基于多尺度遥感与CO2 通量数据的草地净初级生产力CASA模型优化及环境约束机制解析

本研究针对草地净初级生产力(NPP)估算中环境约束参数化不足的问题，通过整合无人机(UAV)与手持传感器多光谱数据、自动箱CO2 通量测量及气象数据，改进了CASA模型的辐射利用效率(RUEmax )算法。研究发现最大气温(16.5°C)、水胁迫和蒸汽压亏缺(VPD)是关键环境约束因子，使模型精度提升9-34%。该成果为高时空分辨率草地碳汇评估提供了创新方法，发表于《Remote Sensing of Environment》。

　　

在全球气候变化背景下，草地作为重要的陆地碳汇，其净初级生产力(NPP)的精确量化对碳循环研究和可持续管理至关重要。然而，传统基于卫星遥感的NPP估算模型（如MODIS-PSN）受限于空间分辨率，难以满足农田尺度的精准管理需求；而经典的Carnegie-Ames-Stanford Approach (CASA)模型虽具有操作简便的优势，但其辐射利用效率(RUE_max
)参数对环境胁迫的响应机制尚未充分解析。尤其对于多年生牧草这类兼具生态服务与生物能源价值的特殊植被，如何整合高分辨率遥感与实时环境数据以提升模型精度，成为当前研究的瓶颈问题。

丹麦奥胡斯大学的研究团队通过多年度田间试验，创新性地将无人机(UAV)多光谱遥感、手持传感器网络与自动CO₂
通量室技术相结合，构建了改进版CASA模型。该研究首次量化了温带草地系统的最适生长温度阈值(16.5°C)，揭示了最大气温(T_max
)、水胁迫(WS)和蒸汽压亏缺(VPD)对RUE_max
的调控权重，实现了从日尺度到季节尺度的NPP动态精准模拟。相关成果发表于《Remote Sensing of Environment》，为区域碳核算和精准农业提供了方法论突破。

研究团队采用三项关键技术方法：(1) 利用Spectrosense 2+、Greenseeker和Yara N传感器获取田间尺度红边与近红外波段反射率，结合RedEdge-MX Dual相机获取厘米级UAV数据；(2) 通过自动化CO₂
通量室连续监测草地-豆科混合物系统的净生态系统交换量(NEE)，结合Lloyd-Taylor方程计算土壤异养呼吸(R_h
)；(3) 基于Christensen-Goudriaan模型反演冠层光合有效辐射截获分数(fIpar)，整合改进的Penman-Monteith方程量化水胁迫因子。

【研究结果】
3.1 最大温度对RUE的调控机制
通过99%分位数回归分析发现，草地-豆科混合物在日最高温16.5°C时达到最大RUE_max
(3.3 g C MJ^-1
)，超过31°C时生长停滞。自动箱数据显示，第二茬草期的植物呼吸占初级生产力(GPP)比例(19-58%)显著高于第一茬(4-50%)，印证了高温对碳分配的显著影响。

3.2 环境约束因子的协同作用
水胁迫因子(f_WS
)通过实际蒸散(ET_a
)/潜在蒸散(ET_p
)比值计算，与改良土壤调节植被指数(MSAVI)呈现显著动态关联。四因子约束组合(T_max
+VPD+WS+CI)使黑麦草模型nRMSE降低34%，而高羊茅仅需T_max
+WS双因子即可提升22%精度。

3.3 多尺度RUE_max
参数化
田间尺度验证显示，高羊茅RUE_max
(3.2 g C MJ^-1
)显著高于黑麦草(2.3 g C MJ^-1
)。UAV数据在0.07-3m分辨率范围内，RUE_max
估值变异<10%，但空间分辨率超过3m时模型精度显著下降。

【结论与意义】
该研究通过多源数据融合，首次建立了适用于温带多年生草地的环境响应型CASA模型框架。关键创新点在于：(1) 突破传统卫星模型的空间限制，实现米级精度的NPP制图；(2) 量化物种特异性RUE_max
差异，为混播草地配置提供理论依据；(3) 开发的ET_a
估算方法仅需红/近红外波段与常规气象数据，大幅降低监测成本。研究结果对开发生物能源作物的精准管理工具、优化欧盟共同农业政策(CAP)下的碳信用评估体系具有重要实践价值。未来研究可拓展至不同气候带草地类型，并探索叶倾角分布对fIpar算法的影响机制。