利用本地校准的Carnegie–Ames–Stanford Approach改进埃塞俄比亚中阿瓦什盆地长期牧场地上生物量估算

《Environmental and Sustainability Indicators》:Improving long-term rangeland aboveground biomass estimation in the middle Awash basin, Ethiopia, using a locally calibrated Carnegie–Ames–Stanford Approach

【字体: 大 中 小 】 时间:2026年08月06日 来源:Environmental and Sustainability Indicators 5.5

编辑推荐:

  热带干旱区牧场生产力的可靠长期监测受到高分辨率、时间连续生物量数据集稀缺的制约。研究人员开发了一种本地校准的、不确定性感知的Carnegie–Ames–Stanford Approach(CASA)框架,用于重建埃塞俄比亚中阿瓦什牧场2001-2025年30?

  
热带干旱区牧场生产力的可靠长期监测受到高分辨率、时间连续生物量数据集稀缺的制约。研究人员开发了一种本地校准的、不确定性感知的Carnegie–Ames–Stanford Approach(CASA)框架,用于重建埃塞俄比亚中阿瓦什牧场2001-2025年30?m分辨率的月地上生物量(AGB)生产。该框架集成了使用Gap Filling–Savitzky–Golay(GF–SG)方法的Landsat–MODIS植被指数时空融合、使用Google Earth Engine中实现的谐波时间序列分析(HANTS–GEE)重建Landsat地表温度,以及基于温度植被干旱指数(TVDI)的水分胁迫公式。吸收光合有效辐射比例(fAPAR)和最大光能利用率(εmax)通过空间块交叉验证和参数等终性分析进行联合优化。优化的基于EVI的参数化(fAPAR?=?0.944 × EVI???0.160;εmax?=?1.881?g?C MJ?1)达到了较高的验证精度(R2?=?0.768;RMSE?=?0.606?t?ha?1),并与独立的FAO WaPOR生物量产品(R2?=?0.723)表现出强一致性。通过累积生长季月AGB生产重建的季节地上生物量平均为1.68?t?ha?1。趋势无关预白化的Mann–Kendall分析揭示了广泛的长期生产力下降,其中8月下降最为强烈,表明峰值生长季生产力退化。尽管模型评估受限于单次峰值生长季野外活动,但所得到的高分辨率月AGB生产数据集和不确定性感知校准框架为数据匮乏的牧区生态系统中的干旱监测、饲草评估、适应性牧场管理和未来生物量重建提供了坚实基础。
**论文解读:利用本地校准的CASA模型改进埃塞俄比亚中阿瓦什盆地长期牧场地上生物量估算**

**研究背景与问题**

牧场是热带干旱区数百万人生计和生态系统服务的核心支撑,尤其在埃塞俄比亚中阿瓦什盆地,畜牧业几乎完全依赖天然饲草资源。然而,过度放牧、灌木入侵、干旱频发和农业扩张等因素导致饲草供应下降、生物量减少和植被组成变化,亟需可靠的生物量估算来评估牧场状况并指导管理。现有遥感生产力模型,如Carnegie–Ames–Stanford Approach(CASA),虽被广泛用于估算净初级生产力(NPP),但其在水分胁迫表示、参数全局固定以及输入数据空间分辨率等方面存在显著局限。传统水分胁迫系数依赖于稀缺的土壤物理参数,而全球固定的最大光能利用率(εmax)和基于NDVI的fAPAR公式在稀疏植被下易受土壤背景影响,导致估算精度不足。此外,中低分辨率(250–1000?m)输入数据难以捕捉牧场细尺度异质性,而云污染和时序间隙限制了Landsat数据的应用。因此,亟需开发一种本地校准、高分辨率且不确定性感知的CASA框架,以重建长期连续的月尺度地上生物量(AGB)生产数据,支撑数据匮乏的牧区适应性管理。

**研究内容与结论**

研究人员针对上述问题,开发了一种集成多源数据融合与本地参数优化的CASA框架。该框架首次在30?m分辨率下,联合优化了fAPAR参数化与εmax,并通过参数等终性分析量化不确定性,重建了2001–2025年共25年的月AGB生产数据集。结果表明,优化后的基于EVI的参数化(fAPAR?=?0.944×EVI???0.160;εmax?=?1.881?g?C?MJ?1)在独立验证中达到R2?=?0.768、RMSE?=?0.606?t?ha?1,并与FAO WaPOR产品高度一致(R2?=?0.723)。季节AGB平均为1.68?t?ha?1,空间分布显示中南部区域生产力较高。长期趋势分析揭示,8月AGB生产下降最为显著(Sen斜率?=??0.014?t?ha?1?yr?1),表明峰值生长季生产力退化普遍存在,而这一现象在年度或季节评估中可能被忽略。该研究为干旱监测、饲草评估和适应性牧场管理提供了高分辨率、不确定性感知的基础数据,其方法框架可推广至其他热带干旱区。

**关键技术与方法**

研究人员主要采用以下关键技术:1)利用Gap Filling–Savitzky–Golay(GF–SG)方法对Landsat(30?m)和MODIS(250/500?m)的NDVI/EVI进行时空融合,生成30?m分辨率、无云且连续的月植被指数时序;2)通过Google Earth Engine中实现的谐波时间序列分析(HANTS–GEE)重建Landsat地表温度(LST)时序,填补云隙;3)基于温度植被干旱指数(TVDI)构建水分胁迫因子,替代传统土壤物理参数;4)联合优化fAPAR线性关系系数(a和b)与εmax,采用空间块交叉验证(4折)和参数等终性分析,保留所有RMSE在最优值5%以内的参数组合,以均值作为重建参数。碳分数(0.45)和地上分配系数(0.54)采用文献值。研究采集了65个样地(2025年10月,峰值生长季),其中45个用于校准,20个用于验证。

**研究结果**

**3.1 参数可识别性和不确定性分析**:通过联合校准,EVI模型保留了2307组可接受参数,NDVI模型保留1710组。尽管存在参数等终性,但分布较窄:EVI模型εmax均值1.88?±?0.19?g?C?MJ?1,变异系数10.1%;NDVI模型εmax均值1.91?±?0.20?g?C?MJ?1,变异系数10.5%。fAPAR斜率与εmax呈中等负相关(EVI: r?=??0.54;NDVI: r?=??0.48)。基于集合均值的预测与最优参数集几乎一致,表明参数等终性对预测性能影响较小。

**3.2 参数优化与模型性能**:优化后的EVI参数化(fAPAR?=?0.944×EVI???0.160;εmax?=?1.881?g?C?MJ?1)在验证中表现最佳(R2?=?0.768,RMSE?=?0.606?t?ha?1,MAE?=?0.442?t?ha?1,Bias?=??0.077?t?ha?1)。优化NDVI模型次之(R2?=?0.719,RMSE?=?0.668?t?ha?1)。参数转移性实验表明,将优化EVI参数化与文献值(Pal等,2024)的εmax(2.62?g?C?MJ?1)组合时,模型性能骤降(R2?=?0.221,RMSE?=?1.111?t?ha?1),说明参数兼容性至关重要。

**3.3 与FAO WaPOR产品比较**:优化CASA衍生季节AGB(2025年7–10月)与WaPOR产品呈强空间一致性(R2?=?0.723,N?=?216,463,p??1)高于WaPOR(0.99?t?ha?1),Bias?=?0.39?t?ha?1,RMSE?=?0.76?t?ha?1,表明局部优化使生物量幅度增大但空间分布一致。

**3.4 月尺度AGB生产动态**:**3.4.1 空间分布**:长期均值显示,8月和9月贡献最大(0.650和0.587?t?ha?1?month?1),空间变异也最大。**3.4.2 年际动态**:8月和9月年际波动最大,2007年峰值(1.07?t?ha?1?month?1)与2015年干旱期(0.21?t?ha?1?month?1)形成鲜明对比。**3.4.3 长期趋势**:8月区域下降最显著(Sen斜率?=??0.014?t?ha?1?yr?1,p?=?0.024),36.5%的草地像元显著下降(SD+ESD)。3月、4月、7月也呈显著下降,但幅度较小。9月和10月趋势不显著。

**3.5 季节AGB动态**:**3.5.1 空间分布**:累积生长季(3–4月+7–10月)AGB平均1.68?t?ha?1,中南部高,北部低。主雨季(7–10月)贡献了大部分生物量(1.51?t?ha?1)。**3.5.2 年际动态**:主雨季年际波动主导了累积生长季变化,2015年最低(0.67?t?ha?1),2007年最高(2.21?t?ha?1)。TFPW-Mann–Kendall检验显示三个季节序列均显著下降,累积生长季下降最强(Sen斜率?=??0.025?t?ha?1?yr?1,p?=?0.012)。**3.5.3 空间趋势**:负趋势占主导(87.0%草地面积),极显著下降(ESD)在累积生长季中占19.5%,高于主雨季(17.4%)和短雨季(13.1%),表明累积效应加剧了退化。

**讨论与结论**

讨论部分指出,参数等终性通过空间块交叉验证和生物学约束得到有效控制,联合优化fAPAR与εmax是提升CASA性能的关键,参数转移性取决于完整参数化的兼容性。与WaPOR的外部对比验证了空间真实性,但局部校准使生物量幅度更高。月尺度重建成功捕获了双峰降雨驱动的物候,并识别出8月为关键退化期,为适应性管理提供了精准时段。局限性包括:仅依赖单次峰值季节野外验证、参数时间恒定假设、ERA5-Land辐射数据粗分辨率以及未归因退化驱动因子。

**结论翻译**:本研究开发了一种本地校准的、不确定性感知的CASA框架,用于重建中阿瓦什牧场2001–2025年30?m分辨率的月AGB生产。通过集成时空融合的Landsat–MODIS植被指数、重建的Landsat地表温度和基于TVDI的水分胁迫公式,该框架显著减少了云污染和粗分辨率环境数据集的限制。联合优化fAPAR参数化和εmax,结合参数等终性分析和空间块交叉验证,提高了模型稳健性并明确考虑了参数不确定性。优化的EVI模型与独立野外观测(R2?=?0.768;RMSE?=?0.606?t?ha?1)和FAO WaPOR生物量产品(R2?=?0.723)均表现出良好一致性。重建的月AGB生产准确捕捉了中阿瓦什牧场的双峰降雨驱动物候,生物量生产在8月和9月达到峰值,并在2002、2009和2015年主要干旱年份下降。季节AGB平均为1.68?t?ha?1,具有显著空间变异。趋势分析显示长期生物量退化主要集中在8月,强调峰值生长季生产力的下降,这在使用年度或季节评估时会被忽略。该研究为中阿瓦什牧场提供了长期月30?m AGB生产重建,并引入了一个透明的校准框架,通过显式参数优化和不确定性评估增强了基于CASA的生物量估算的信心。然而,该框架受限于单次峰值季节野外活动的验证、生理参数时间恒定的假设、重建遥感数据集的不确定性,以及CASA模型无法显式表示放牧影响、养分限制或植被结构变化。尽管存在这些限制,所得到的高分辨率生物量数据集为饲草监测、干旱早期预警、放牧管理和生态系统恢复提供了有价值的信息,并为类似热带干旱生态系统中的长期生物量监测提供了一个可转移的框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号