全 文 ：２０１０—２０１２年北京植被光合有效辐射
吸收比例的时空变化
谢军飞１，２，３∗　 郭　 佳３
（ １中国科学院大气物理研究所， 北京 １０００２９； ２中国科学院大学， 北京 １０００４９； ３北京市园林科学研究院， 北京 １００１０２）
摘　 要　 利用 ＭＯＤＩＳ 产品中分辨率为 １ ｋｍ 的光合有效辐射吸收比例（ＦＰＡＲ）数据，结合植
被功能型分类，分析 ２０１０—２０１２ 年北京植被 ＦＰＡＲ 的空间分布特征，以及各种植被类型
ＦＰＡＲ的多年变化，并进一步探讨了 ＦＰＡＲ 与叶面积指数（ＬＡＩ）之间的相关性．结果表明： 研
究期间，北京植被的 ＦＰＡＲ空间分布均呈现出东北部、西南部高，并向中心城区逐渐递减的分
布特征．通过 ＦＰＡＲ的叠加分析还发现，各种植被类型 ＦＰＡＲ年平均值的波动均较小，针叶树、
阔叶树、草地、作物 ＦＰＡＲ 的年均值波动范围仅分别在 ０．４２ ～ ０．４４、０．３８ ～ ０．３９、０．３２ ～ ０．３３、
０．２１～０．２２，但各种植被类型 ＦＰＡＲ的年内变化范围均较大．各种植被类型的 ＦＰＡＲ 与 ＬＡＩ 也
具有较好的线性或对数关系．经过 Ｔｉｍｅｓａｔ软件中的 Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ平滑滤波后，各种植被类型
ＦＰＡＲ的季节性变化特征更加明显．
关键词　 ＭＯＤＩＳ数据； 光合有效辐射吸收比例； 植被功能型； 时空变化； Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ滤波
Ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ｏｆ ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ＦＰＡＲ）
ｉｎ Ｂｅｉｊｉｎｇ ｄｕｒｉｎｇ ２０１０－２０１２． ＸＩＥ Ｊｕｎ⁃ｆｅｉ１，２，３∗， ＧＵＯ Ｊｉａ３ （ １Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｔｍｏｓｐｈｅｒｉｃ Ｐｈｙｓｉｃｓ， Ｃｈｉ⁃
ｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｂｅｉｊｉｎｇ １０００２９， Ｃｈｉｎａ； ２Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｂｅｉ⁃
ｊｉｎｇ １０００４９， Ｃｈｉｎａ； ３Ｂｅｉｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｌａｎｄｓｃａｐｅ Ａｒｃｈｉｔｅｃｔｕｒｅ， Ｂｅｉｊｉｎｇ １００１０２， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｉｎ ｔｈｉｓ ｓｔｕｄｙ， ｔｈｅ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａ⁃
ｄｉａｔｉｏｎ （ＦＰＡＲ） ｏｆ ｖｅｇｅｔａｔｉｏｎ ｉｎ Ｂｅｉｊｉｎｇ ｄｕｒｉｎｇ ２０１０－２０１２ ｗａｓ ａｎａｌｙｚｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ＭＯＤＩＳ⁃
ＦＰＡＲ ｄａｔａ ｗｉｔｈ ａ ｒｅｓｏｌｕｔｉｏｎ ｏｆ １ ｋｍ ａｎｄ ｔｈｅ ｆｕｎｃｔｉｏｎａｌ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ． Ｔｈｅ ｙｅａｒｌｙ ｄｙ⁃
ｎａｍｉｃｓ ｏｆ ＦＰＡＲ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｗｅｒｅ ａｌｓｏ ｉｎｖｅｓｔｉｇａｔｅｄ． Ｆｕｒｔｈｅｒｍｏｒｅ， ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ
ｂｅｔｗｅｅｎ ＦＰＡＲ ａｎｄ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ （ＬＡＩ） ｗａｓ ｅｘｐｌｏｒｅｄ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ， ｔｈｅｒｅ ｗａｓ ａ ｓｐａ⁃
ｔｉａｌｌｙ ｄｅｓｃｅｎｄｅｄ ｔｒｅｎｄ ｆｒｏｍ ｔｈｅ ｎｏｒｔｈｅａｓｔ ｍｏｕｎｔａｉｎｓ ｔｏ ｔｈｅ ｃｅｎｔｒａｌ ｕｒｂａｎ ａｒｅａ ｏｆ Ｂｅｉｊｉｎｇ． Ｔｈｅ ａｎｎｕａｌ
ａｖｅｒａｇｅ ＦＰＡＲ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｃｈａｎｇｅｄ ｌｉｔｔｌｅ ｄｕｒｉｎｇ ２０１０－２０１２． Ｔｈｅｓｅ ｖａｌｕｅｓ ｖａｒｉｅｄ ｉｎ
ｔｈｅ ｒａｎｇｅｓ ｏｆ ０．４２－０．４４， ０．３８－０．３９， ０．３２－０．３３， ａｎｄ ０．２１－０．２２ ｆｏｒ ｃｏｎｉｆｅｒｏｕｓ ｆｏｒｅｓｔ， ｂｒｏａｄｌｅａｆ
ｆｏｒｅｓｔ， ｇｒａｓｓｌａｎｄ， ａｎｄ ｃｒｏｐ， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｈｏｗｅｖｅｒ， ｔｈｅ ｒａｎｇｅ ｏｆ ｖａｒｉａｔｉｏｎ ｗａｓ ｂｉｇ ｆｏｒ ｅａｃｈ ｖｅｇｅｔａ⁃
ｔｉｏｎ ｔｙｐｅ ｗｉｔｈｉｎ ｔｈｅ ｙｅａｒ． Ｔｈｅｒｅ ｗａｓ ｓｉｇｎｉｆｉｃａｎｔ ｌｉｎｅａｒ ｏｒ ｌｏｇａｒｉｔｈｍ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ＦＰＡＲ ａｎｄ
ＬＡＩ ｏｆ ｅａｃｈ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅ． Ａｄｄｉｔｉｏｎａｌｌｙ， ｔｈｅ ｓｍｏｏｔｈ ｔｉｍｅ ｓｅｒｉｅｓ ｏｆ ＭＯＤＩＳ⁃ＦＰＡＲ ｏｆ ｖｅｇｅｔａｔｉｏｎ
ｔｙｐｅｓ ｃｏｕｌｄ ｂｅｔｔｅｒ ｒｅｆｌｅｃｔ ｓｅａｓｏｎａｌ ｖａｒｉａｔｉｏｎ， ｗｈｉｃｈ ｗａｓ ｇｅｎｅｒａｔｅｄ ｂｙ Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ ｆｉｌｔｅｒｉｎｇ ｉｎ ｓｏｆｔ⁃
ｗａｒｅ Ｔｉｍｅｓａｔ．
Ｋｅｙ ｗｏｒｄｓ： ＭＯＤＩＳ； ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ； ｐｌａｎｔ ｆｕｎｃｔｉｏｎａｌ ｔｙｐｅ；
ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｖａｒｉａｔｉｏｎ； ｆｉｌｔｅｒｉｎｇ ｏｆ Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ．
本文由国家科技支撑计划项目（２０１３ＢＡＪ０２Ｂ０１）和国家自然科学基
金项目（５１２７８０５６）资助 Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｉｏｎａｌ Ｓｃｉ⁃
ｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ Ｐｉｌｌａｒ Ｐｒｏｇｒａｍ （２０１３ＢＡＪ０２Ｂ０１） ａｎｄ ｔｈｅ Ｎａｔｉｏｎａｌ
Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ （５１２７８０５６）．
２０１５⁃０７⁃２０ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０１⁃１９ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｘｉｅｊｕｎｆｅｉ＠ １２６．ｃｏｍ
　 　 光合有效辐射吸收比例 （ ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ
ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ，ＦＰＡＲ）指植被对到
达冠层顶的所有光合有效辐射 （ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ
ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ，ＰＡＲ，４００ ～ ７００ ｎｍ）的吸收比例，是
光能利用率模型与气候模型的重要输入参数［１－３］ ．目
前，关于 ＦＰＡＲ的获取主要有 ３种途径：一是地面实
地观测，主要通过 ＳＵＮＳＣＡＮ、ＡＣＣＵＰＡＲ、ＴＲＡＣ 等
仪器获取冠层间的 ＰＡＲ数据，并通过相关公式计算
应 用 生 态 学 报　 ２０１６年 ４月　 第 ２７卷　 第 ４期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ａｐｒ． ２０１６， ２７（４）： １２０３－１２１０　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０４．０１６
出 ＦＰＡＲ［４－５］；二是基于遥感数据，结合地面实地观
测，利用经验统计方法建立 ＦＰＡＲ 的估算模型进行
反演；三是针对遥感数据，根据各类植被类型特点选
择合适的先验模型参数，输入某种基于机理构建的
物理模型（如辐射传输模型）获取冠层反射率，并以
查找表（ ｌｏｏｋ⁃ｕｐ⁃ｔａｂｌｅ，ＬＵＴ）的形式建立起 ＦＰＡＲ与
冠层反射率之间的相关性，再依据最小代价函数进
行 ＦＰＡＲ反演［３］ ．
目前，已有多种基于遥感数据反演出的全球
ＦＰＡＲ，比较常用的是 ＭＯＤＩＳ ＦＰＡＲ［６］、ＣＹＣＬＯＰＥＳ
ＦＰＡＲ［７］、ＭＥＲＩＳ ＦＰＡＲ［８］等，尤其是 ＭＯＤＩＳ ＦＰＡＲ
具有较好的时空分辨率，能较好地反演区域乃至全
球尺度上植被 ＦＰＡＲ 分布特征和变化情况，可为相
关研究提供重要参考．另外，考虑到植被功能型
（ｐｌａｎｔ ｆｕｎｃｔｉｏｎａｌ ｔｙｐｅｓ，ＰＦＴｓ）分类方法，可以将众多
的植物类型合并为少数几种类型，从而降低模型应
用的复杂性［９－１１］，目前基于 ＰＦＴｓ分类体系的各种植
被类型所对应的 ＦＰＡＲ，已逐渐应用于生物地球化
学循环模型、陆面模式和动态全球植被模型［１０］ ．
由于目前遥感数据的长期信息获取尚存在一定
困难，导致北京地区还缺少基于 ＰＦＴｓ 分类体系的
各种植被类型 ＦＰＡＲ 的时空变化分析．故本文利用
ＭＯＤＩＳ产品中的 ＦＰＡＲ数据，结合植被功能型分类
图，定量了解北京整体植被 ＦＰＡＲ的空间分布特征，
以及各种植被类型 ＦＰＡＲ 随时间的动态变化，并进
一步分析 ＦＰＡＲ与叶面积指数（ｌｅａｆ ａｒｅａ ｉｎｄｅｘ，ＬＡＩ）
之间的相关关系，从而为相关植被生态模型的运行
提供数据支持．
１　 数据来源与方法
１􀆰 １　 ＦＰＡＲ数据来源
本文使用的 ＦＰＡＲ 数据来自 ２０１０—２０１２ 年共
计 １３８期的 ＭＯＤＩＳ 产品 ＭＯＤ１５Ａ２（第 ５ 版本），即
在 ３年中，每月均获取其 ３～４期影像．每期影像包括
２个 ＨＤＦ文件，每个 ＨＤＦ 文件还具体包含 １ ｋｍ 分
辨率的 ＬＡＩ、 ＦＰＡＲ、 ＦｐａｒＬａｉ ＿ ＱＣ 等数据层．其中，
ＦＰＡＲ数据层是基于 １ ｋｍ 分辨率的全球土地利用
图（ＭＣＤ１２），通过三维辐射传输模型获取冠层反射
率，并利用 ＬＵＴ查找得到；同时，以植被指数方法作
为备用算法，用于 ＬＵＴ查找法无法得到的 ＦＰＡＲ，作
为查找法的补充［１２－１３］ ．作为 Ｌ４级产品，ＭＯＤ１５Ａ２已
根据参数文件中的信息，完成了几何纠正；并基于
ＦｐａｒＬａｉ＿ＱＣ 数据层，本文运用 ＬＤＯＰＥ 工具随机对
ＦＰＡＲ进行了基本质量评价［１４］，ＦＰＡＲ总体质量较好．
为准确得到北京行政区域 ＦＰＡＲ 图，通过 ＭＯ⁃
ＤＩＳ Ｒｅｐｒｏｊｅｃｔｉｏｎ Ｔｏｏｌ（ＭＲＴ）对每期影像的 ２个 ＨＤＦ
文件进行拼接与重投影，将原始坐标重投影为
ＷＧＳ８４，随后根据经纬度范围，在 ＭＲＴ 中剪切出北
京行政区域的 ＦＰＡＲ 图，在 ＦＰＡＲ 图中，ＤＮ（ｄｉｇｉｔａｌ
ｎｕｍｂｅｒ）值为 ２５０、２５３、２５４、２５５，分别代表城市用
地、荒地或低植被覆盖地、水域、填充值．其他的 ＤＮ
值虽然代表 ＦＰＡＲ值，但还需要通过下式进行转换：
ＦＰＡＲ＝ ０．０１×ＤＮ
１􀆰 ２　 植被功能型分类图来源
本文使用的植被功能型分类图来自中国寒区旱
区科学数据中心，主要是根据与气候有关的转换规
则［１５］，对 ＭＩＣＬＣｏｖｅｒ 土地覆盖图进行转换得到．该
数据以栅格形式存储，分辨率为 １ ｋｍ，包含 ２０ 种类
型，涉及温带常绿针叶树、热带常绿阔叶树、作物
等［１６－１７］ ．
１􀆰 ３　 ＦＰＡＲ时序数据与植物功能型分类图的叠加
统计
基于 ＦＰＡＲ时序数据和植物功能型分类图，运
用 ＡｒｃＧＩＳ软件中“Ｓｐａｔｉａ Ａｎａｌｙｓｔ”的 Ｚｏｎａｌ Ｓｔａｔｉｓｔｉｃｓ
功能，叠加统计出各种植被类型 ３６ 个月的 ＦＰＡＲ
值，并生成各种植物功能型的 ＦＰＡＲ年变化曲线图，
以直观反映北京基于 ＰＦＴｓ 分类体系的各种植被类
型 ＦＰＡＲ随时间的变化特征．
１􀆰 ４　 基于 Ｔｉｍｅｓａｔ的 ＦＰＡＲ平滑去噪
由于云、大气中的气溶胶以及下垫面反射等不
利因素的影响，导致某些时间段各种植被类型的
ＦＰＡＲ值波动较大，其时间序列不能体现相应的规
律，有必要对 ＦＰＡＲ数据进行平滑去噪处理．通常的
平滑去噪处理主要包括不对称 Ｇａｕｓｓｉａｎ 函数、双
Ｌｏｇｉｓｔｉｃ函数法、以及 Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ 滤波 ３ 类，相比
较而言，Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ 滤波的应用较多，该方法是
利用离散数据附近值的线性组合来替代原始数据，
一般可用下式描述［１８－１９］：
Ｙ ｊ′ ＝
∑
ｉ ＝ ｍ
ｉ ＝ －ｍ
Ｃ ｊＹ ｊ ＋ｉ
ｎ
式中：Ｙ ｊ′是拟合值；Ｙ ｊ＋ｉ是原始值；Ｃ ｊ是对滑动窗口内
第 ｉ个值进行拟合时给定的系数；ｎ 是卷积数，其大
小等于滑动窗口的尺寸；另外，ｎ ＝ ２ｍ＋１，表示滑动
窗口包含了 ２ｍ＋１个点，如果 ｍ取值越大，则拟合值
会越平滑；ｊ是滑动窗口内垂直方向上对原始数据的
滑动指数．
在具体实践过程中，本文是利用 Ｔｉｍｅｓａｔ软件中
４０２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
的 Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ 滤波来平滑去除 ＦＰＡＲ 时序数据
中的噪声．ＴＩＭＥＳＡＴ 软件是由 Ｊêｎｓｓｏｎ 等［２０］开发并
以 ＭＡＴＬＡＢ 作为运行平台，该软件可从 ｈｔｔｐ： ／ ／
ｗｗｗ．ｎａｔｅｋｏ．ｌｕ．ｓｅ ／ ＴＩＭＥＳＡＴ 获取．具体的参数设置
还可以参考相关文献［２１］ ．
２　 结果与分析
２􀆰 １　 ＦＰＡＲ的空间分布特征
通过对比分析 ２０１０、２０１１、２０１２ 年相同月份植
被 ＦＰＡＲ的空间分布特征发现，其空间分布特征基
本一致，为节约篇幅，在此暂以 ２０１０ 年为例进行说
明．从图 １可以看出，在 １、３、７、１１ 月中，北京植被的
ＦＰＡＲ均呈现出东北部、西南部高，并向中心城区逐
渐递减的分布特征，与 ２０１０年北京植被 ＬＡＩ的空间
分布趋势基本一致［２１］ ．
　 　 另外，通过图像的属性统计，发现在同一地理位
置，２０１０、２０１１、２０１２ 年北京植被 ＦＰＡＲ 值均呈现夏
季高、春秋季次之而冬季低的特征；并且 １、３、７、１１
月 ＦＰＡＲ 值的年际波动范围较小，分别为 ０． １２ ～
０􀆰 １５、０．１３～０．１５、０．６０～０．６１、０．１８～０．１８，相应的标准
表 １　 不同年份 １、３、７、１１月的北京植被 ＦＰＡＲ值
Ｔａｂｌｅ １　 ＦＰＡＲ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｉｎ Ｊａｎｕａｒｙ， Ｍａｒｃｈ， Ｊｕｌｙ ａｎｄ
Ｎｏｖｅｍｂｅｒ ｏｆ ｄｉｆｆｅｒｅｎｔ ｙｅａｒｓ ｉｎ Ｂｅｉｊｉｎｇ
月份
Ｍｏｎｔｈ
年份 Ｙｅａｒ
２０１０ ２０１１ ２０１２
标准偏差
Ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ
１ ０．１２ ０．１４ ０．１５ ０．０２
３ ０．１３ ０．１５ ０．１５ ０．０１
７ ０．６０ ０．６３ ０．６１ ０．０２
１１ ０．１８ ０．１７ ０．１８ ０．０１
偏差也较小 （表 １）．基本可以推测出 ３ 年间的植被
组成与空间分布保持基本稳定．需要补充的是，上述
１、３、７、１１ 月 ＦＰＡＲ 值来自对应月份中 ３ 期影像的
平均值．
２􀆰 ２　 各种植被类型 ＦＰＡＲ的时间动态
２０１０—２０１２年，研究区整体植被 ＦＰＡＲ 年平均
值波动范围在 ０． ３３ ～ ０． ３４；针叶树、阔叶树 （含灌
木）、草地、作物 ＦＰＡＲ的年平均值波动范围也较少，
分别在 ０．４２ ～ ０．４４、０．３８ ～ ０．３９、０．３２ ～ ０．３３、０．２１ ～
０􀆰 ２２之间变化（表 ２）．
各种植被类型 ＦＰＡＲ 的年内变化范围均较大．
以 ２０１０年为例，研究区针叶树、阔叶树、草地和作物
ＦＰＡＲ的年内变化分别在０．１５ ～ ０．８１、０．１４ ～ ０．７５、
图 １　 ２０１０年不同月份的北京植被光合有效辐射吸收比例（ＦＰＡＲ）的空间分布
Ｆｉｇ．１　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ＦＰＡＲ） ｉｎ ｄｉｆｆｅｒｅｎｔ ｍｏｎｔｈｓ ｉｎ Ｂｅｉｊｉｎｇ ｉｎ ２０１０．
ａ）１月 Ｊａｎｕａｒｙ； ｂ）３月 Ｍａｒｃｈ； ｃ）７月 Ｊｕｌｙ； ｄ）１１月 Ｎｏｖｅｍｂｅｒ．
５０２１４期　 　 　 　 　 　 　 　 　 　 谢军飞等： ２０１０—２０１２年北京植被光合有效辐射吸收比例的时空变化　 　 　 　 　
表 ２　 各种植被类型 ＦＰＡＲ值的多年变化
Ｔａｂｌｅ ２　 Ｖａｒｉａｔｉｏｎ ｏｆ ＦＰＡＲ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ
植被类型
Ｖｅｇｅｔａｔｉｏｎ
ｔｙｐｅ
年份
Ｙｅａｒ
ＦＰＡＲ的年内
变化范围
Ｒａｎｇｅ ｏｆ
ＦＰＡＲ ｗｉｔｈｉｎ
ｔｈｅ ｙｅａｒ
ＦＰＡＲ的
年平均值
Ａｎｎｕａｌ ａｖｅｒａｇｅ
ＦＰＡＲ
针叶树 ２０１０ ０．１５～０．８１ ０．４２
Ｎｅｅｄｌｅｌｅａｆ ｔｒｅｅ ２０１１ ０．１９～０．８０ ０．４３
２０１２ ０．１７～０．７８ ０．４４
阔叶树 ２０１０ ０．１４～０．７５ ０．３８
Ｂｒｏａｄｌｅａｆ ｔｒｅｅ ２０１１ ０．１７～０．７３ ０．３８
２０１２ ０．１５～０．７１ ０．３９
草地 ２０１０ ０．１０～０．６５ ０．３２
Ｇｒａｓｓ ２０１１ ０．１３～０．６７ ０．３２
２０１２ ０．１２～０．６５ ０．３３
作物 ２０１０ ０．０５～０．４４ ０．２１
Ｃｒｏｐ ２０１１ ０．０８～０．４６ ０．２２
２０１２ ０．０８～０．４６ ０．２２
整体植被 ２０１０ ０．０５～０．８１ ０．３３
Ｔｏｔａｌ ｖｅｇｅｔａｔｉｏｎ ２０１１ ０．０８～０．８０ ０．３３
２０１２ ０．０８～０．７８ ０．３４
０􀆰 １０～０．６５、０．０５～ ０．４４，ＦＰＡＲ 的年内变化与植物的
展叶⁃成熟⁃落叶的物候过程密切相关．在中国科学院
禹城综合实验站，冬小麦返青始至收获期间（２００９
年 ２—６月），ＦＰＡＲ 数据变化范围也较大，在 ０．２３ ～
０􀆰 ６８之间［２２］ ．
研究期间，针叶树 ＦＰＡＲ的年平均值均最高，作
物 ＦＰＡＲ的年平均值均最低（表 ２）．从图 ２ 可以看
出，在每个生长季（４—１０ 月），针叶树、阔叶树的
ＦＰＡＲ值明显高于作物．
　 　 ２０１０—２０１２ 年间，各种植被类型的 ＦＰＡＲ 与
ＬＡＩ（ＬＡＩ数据来源于谢军飞等［２１］ ）具有较好的线性
或对数关系，并且作物的 ＬＡＩ 变化区间最少，约为
０􀆰 １～１．８，而针叶树 ＬＡＩ 变化区间最大，为 ０．２ ～ ４􀆰 ２
（图 ３）．主要原因是由华北落叶松人工林与油松
（Ｐｉｎｕｓ ｔａｂｕｌｉｆｏｒｍｉｓ）为主组成的北京针叶林地，其冠
层结构较复杂，且受季节的影响较大［２３］ ．
　 　 进一步应用 Ｔｉｍｅｓａｔ中的 Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ 滤波功
能，分别对各种植被类型 ＦＰＡＲ 原始时序数据进行
平滑去噪处理，平滑去噪后的拟合曲线基本保持原
始曲线的形状，并有效突出了季节变化特征．
　 　 从图 ４可以看出，基于 ＰＦＴｓ分类体系的各种植
被类型 ＦＰＡＲ的季节性变化特征较明显，且基本一
致，ＦＰＡＲ均呈先增大后减少的趋势，与植物的生长
规律基本吻合．４—５ 月，植被开始展叶，作物开始返
青，ＬＡＩ值与 ＦＰＡＲ均逐渐增加；随着生长季的进行
（６—８月），植被对光合有效辐射的吸收比例达到最
大；此后，作物逐渐成熟，吸收光能的绿色器官减少，
植被也开始掉叶，ＬＡＩ 值与 ＦＰＡＲ 下降；１１—１ 月，
ＬＡＩ值与 ＦＰＡＲ均达到最低值，在年的时间尺度上，
基本反映了植被的生长轨迹．需要注意的是，在 ２０１０
与 ２０１２ 年，自然植被（针叶树、阔叶树、草地）与作
物 ＦＰＡＲ的峰值出现时间并不同步．这种现象可能
与北京地区存在的作物种植结构有关，北京地区作
物种植结构以冬小麦⁃夏玉米⁃冬小麦组合为主，随
着冬小麦的生长、成熟，到夏玉米的播种、出苗、抽
雄、成熟［２１］，可进行光合有效辐射吸收的绿色器官
的数量在不断发生变动．
６—８月，ＦＰＡＲ原始时序曲线有锯齿状波动，季
节变化特征不明显，为了解其波动原因，本文首先运
用 ＬＤＯＰＥ 工具，选择相对波动较明显的 ２０１０ 年 ７
月 ２８日为例，对 ＦｐａｒＬａｉ＿ＱＣ 数据层中包含总体质
量与云量信息的二进制码进行解码提取：即将Ｆｐａｒ⁃
图 ２　 各种植被类型的光合有效辐射吸收比例（ＦＰＡＲ）年变化
Ｆｉｇ．２　 Ｙｅａｒｌｙ ｖａｒｉａｔｉｏｎ ｏｆ ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ＦＰＡＲ） ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ．
ａ）针叶树 Ｎｅｅｄｌｅｌｅａｆ ｔｒｅｅ； ｂ） 阔叶树 Ｂｒｏａｄｌｅａｆ ｔｒｅｅ； ｃ） 草地 Ｇｒａｓｓ； ｄ） 作物 Ｃｒｏｐ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
６０２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
图 ３　 各种植被类型的光合有效辐射吸收比例（ＦＰＡＲ）与叶面积指数的关系
Ｆｉｇ．３　 Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ＦＰＡＲ） ａｎｄ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ．
ｎ＝ １３８．
图 ４　 各种植被类型的光合有效辐射吸收比例（ＦＰＡＲ）原始序列及拟合曲线
Ｆｉｇ．４　 Ｏｒｉｇｉｎａｌ ｓｅｑｕｅｎｃｅ ａｎｄ ｆｉｔｔｉｎｇ ｃｕｒｖｅ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ＦＰＡＲ） ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ．
Ｌａｉ＿ＱＣ中的像元值（由 ０ ～ ７ 位二进制码构成，按十
进制显示）分别提取其中的 ０ ～ １ 与 ３ ～ ４ 位二进制
码．最终通过解码后信息的空间分布（图 ５）与属性
统计可知，ＦＰＡＲ数据总体质量较好，但云量还是占
一定比例 （ ２７％），再进一步结合北京气象资料
（２０１０—２０１２年） ［２１］，综合分析可以推断出，原始时
序曲线波动很可能与 ６—８ 月频繁的降雨过程中的
云量有关．
７０２１４期　 　 　 　 　 　 　 　 　 　 谢军飞等： ２０１０—２０１２年北京植被光合有效辐射吸收比例的时空变化　 　 　 　 　
图 ５　 ２０１０年 ７月 ２８日的 ＦＰＡＲ质量分析
Ｆｉｇ．５　 Ｑｕａｌｉｔｙ ａｎａｌｙｓｉｓ ｏｆ ＦＰＡＲ ｉｎ Ｊｕｌｙ ２８， ２０１０．
ａ）质量评估 Ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ； ｂ）云量评估 Ｃｌｏｕｄ ｓｔａｔｅ．
３　 讨　 　 论
３􀆰 １　 ＦＰＡＲ的空间分布特征
在研究期间的不同月份中，北京植被的 ＦＰＡＲ
空间分布均呈现出东北部、西南部高，并向中心城区
逐渐递减的分布特征，与 ２０１０年北京植被 ＬＡＩ的空
间分布趋势基本一致，且 １、３、７、１１ 月 ＦＰＡＲ值的年
际波动范围较小．２０１０—２０１２ 年间的北京植被组成
与分布保持基本稳定．
从不同区域来看，林小惠等［２４］利用 ２０００—２００８
年的 ＭＯＤＩＳ 产品 ＭＯＤ１５Ａ２（ＦＰＡＲ 数据层）、空间
插值的气温和热带降雨观测卫星数据，分析发现东
南亚地区植被 ＦＰＡＲ 呈由西北向东南递增、沿海高
于内陆的空间分布格局；东南亚地区植被 ＦＰＡＲ 平
均为 ０．４８，高于北京植被的 ０．３４，东南亚地区常绿阔
叶树（０．７３）、灌丛草原（０．４９）、热带草丛（０．２７）和农
田（０．３３），均高于相应的北京植被类型，这可能与东
南亚地区全年高温多雨、植被覆盖度高有关．
由于大气中气体、云和气溶胶的吸收与散射作
用，到达地表的太阳辐射分为直射、漫射两部分．直
射、漫射辐射在冠层中的辐射传输方式存在差异，漫
射辐射能多角度、深入地进入冠层，减少直射辐射造
成的光合作用饱和效应，因而冠层能更有效地进行
光合作用，能产生较高的光能利用效率［２５］ ．虽然 Ｌｉ
等［２６］认为，本文使用的 ＭＯＤＩＳ ＦＰＡＲ产品，与 ＣＹＣ⁃
ＬＯＰＥＳ ＦＰＡＲ产品［７］、ＭＥＲＩＳ ＦＰＡＲ产品［８］一样，在
模拟和反演时都假设只有直射太阳辐射入射到冠层
中，仅得到半球定向反射率，也被称为黑空反照率
（ｂｌａｃｋ⁃ｓｋｙ ａｌｂｅｄｏ，不考虑散射，即没有考虑植被冠
层对漫射入射辐射的吸收）．但在 Ｋｎｙａｚｉｋｈｉｎ 等［６］与
相关用户手册中并没有明确指出，ＭＯＤＩＳ ＦＰＡＲ 产
品只考虑直射条件，所以目前暂定我们获取的是考
虑了直射与漫射的北京植被 ＦＰＡＲ的空间分布．
３􀆰 ２　 各种植被类型 ＦＰＡＲ的时间动态
通过 ＦＰＡＲ时序数据与植物功能型分类图的叠
加统计，可以得出研究区整体植被 ＦＰＡＲ 年平均值
波动范围在 ０．３３ ～ ０．３４；针叶树、阔叶树、草地、作物
ＦＰＡＲ的年平均值波动范围也较少，分别在 ０．４２ ～
０􀆰 ４４、０．３８～０．３９、０．３２～０．３３、０．２１～０．２２，间接表明每
年的植物生长与物候没有出现明显变化，周期重复
性较好．
２０１０—２０１２年，针叶树 ＦＰＡＲ 的年平均值均最
高，作物 ＦＰＡＲ的年平均值均最低，在生长季末期，
针叶树的 ＦＰＡＲ 值可达 ０． ２５，而作物 ＦＰＡＲ 仅为
０􀆰 １０．这可能与针叶树保留叶片的时间较长、以及冠
层结构复杂有关．需要补充的是，虽然在生长季末
期，作物已没有绿叶，但作物冠层其他部分（黄叶、
茎和穗）还可以吸收一部分光合有效辐射．
进一步分析还发现，在 ２０１０—２０１２ 年间，北京
草地和作物的 ＦＰＡＲ 与 ＬＡＩ 具有较好的线性关系．
周晓东等［２７］也发现，河北栾城的夏玉米，从拔节期
到灌浆期的 ＦＰＡＲ 与 ＬＡＩ 有较好的线性相关关系．
王培娟等［２８］通过实地观测分析，了解到北京顺义地
区的冬小麦 ＦＰＡＲ 在 ０．２ ～ ０．８，并且与 ＬＡＩ 之间存
在显著线性关系．但也有研究发现，灌木的 ＦＰＡＲ 与
ＬＡＩ之间会存在对数关系［２９］ ．存在不同的相关关系
可能与选取研究对象的冠层结构有关．
有研究认为，在植被全部覆盖的情况下，背景的
影响显著减小，利用归一化差分植被指数（ ｎｏｒｍａ⁃
ｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ， ＮＤＶＩ）能够更好地
估计 ＦＰＡＲ［３０］ ．但在呼伦贝尔温带草地 ＦＰＡＲ与 ＬＡＩ
的遥感估算中，通过 ＦＰＡＲ 的几种关系模型的决定
系数看出，反演 ＦＰＡＲ 时应优先选择 ＦＰＡＲ 与 ＬＡＩ
关系模型来反演 ＦＰＡＲ，ＦＰＡＲ 与 ＮＤＶＩ 关系模型反
演可以作为备用方案［３１］ ．总的来说，在各种不同的
研究条件下，没有通用关系模型可以使用，有必要分
８０２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
别进行 ＬＡＩ 与 ＦＰＡＲ、ＮＤＶＩ 与 ＬＡＩ 之间的关系研
究，并通过对比选择较优模型．
虽然通过物理模型反演得到的 ＦＰＡＲ能较清晰
地解释其中的物理过程，可行性强，但同时也存在较
多的不确定性，主要体现在两方面：１）在 ＭＯＤＩＳ 的
ＦＰＡＲ 产品中，由于其分辨率较低，会导致混合像元
的存在，从而影响植被类型 ＦＰＡＲ 的反演精度；２）
在冠层反射率模型的求解过程中，相关输入参数是
对现实的简化，是建立在大量的假设基础上［３２］ ．
参考文献
［１］　 Ｓｅｌｌｅｒｓ ＰＪ， Ｄｉｃｋｉｎｓｏｎ ＲＥ， Ｒａｎｄａｌｌ ＤＡ， ｅｔ ａｌ． Ｍｏｄｅｌｉｎｇ
ｔｈｅ ｅｘｃｈａｎｇｅｓ ｏｆ ｅｎｅｒｇｙ， ｗａｔｅｒ， ａｎｄ ｃａｒｂｏｎ ｂｅｔｗｅｅｎ
ｃｏｎｔｉｎｅｎｔｓ ａｎｄ ｔｈｅ ａｔｍｏｓｐｈｅｒｅ． Ｓｃｉｅｎｃｅ， １９９７， ２７５：
５０２－５０９
［２］　 Ｇａｏ Ｙ⁃Ｈ （高彦华）， Ｃｈｅｎ Ｌ⁃Ｆ （陈良富）， Ｌｉｕ Ｑ⁃Ｈ
（柳钦火）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｍｏｄｅｌ ｆｏｒ
ＦＰＡＲ ａｂｓｏｒｂｅｄ ｂｙ ｃｈｌｏｒｏｐｈｙｌｌ． Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎ⁃
ｓｉｎｇ （遥感学报）， ２００６， １０（５）： ７９８－８０３ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［３］　 Ｄｏｎｇ Ｔ⁃Ｆ （董泰锋）， Ｍｅｎｇ Ｊ⁃Ｈ （蒙继华）， Ｗｕ Ｂ⁃Ｆ
（吴炳方）． Ｏｖｅｒｖｉｅｗ ｏｎ ｍｅｔｈｏｄｓ ｏｆ ｄｅｒｉｖｉｎｇ ｆｒａｃｔｉｏｎ ｏｆ
ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ ＦＰＡＲ）
ｕｓｉｎｇ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｓｃａ （生态学
报）， ２０１２， ３２（２２）： ７１９０－７２０１ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｆｅｎｓｈｏｌｔ Ｒ， Ｓａｎｄｈｏｌｔ Ｉ， Ｒａｓｍｕｓｓｅｎ ＭＳ． Ｅｖａｌｕａｔｉｏｎ ｏｆ
ＭＯＤＩＳ ＬＡＩ， ＦＡＰＡＲ ａｎｄ ｔｈｅ ｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ＦＡＰＡＲ
ａｎｄ ＮＤＶＩ ｉｎ ａ ｓｅｍｉ⁃ａｒｉｄ ｅｎｖｉｒｏｎｍｅｎｔ ｕｓｉｎｇ ｉｎ ｓｉｔｕ
ｍｅａｓｕｒｅｍｅｎｔｓ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００４，
９１： ４９０－５０７
［５］　 Ｂｕｔｔｅｒｆｉｅｌｄ ＨＳ， Ｍａｌｍｓｔｒöｍ ＣＭ． Ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｐｈｅｎｏｌｏｇｙ
ｏｎ ｉｎｄｉｒｅｃｔ ｍｅａｓｕｒｅｓ ｏｆ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｉｎ ａｎｎｕａｌ
ｇｒａｓｓｅｓ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， ２０１０，
３０： ３１３３－３１４６
［６］　 Ｋｎｙａｚｉｋｈｉｎ Ｙ， Ｍａｒｔｏｎｃｈｉｋ ＪＶ， Ｍｙｎｅｎｉ ＲＢ， ｅｔ ａｌ． Ｓｙ⁃
ｎｅｒｇｉｓｔｉｃ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｖｅｇｅｔａｔｉｏｎ ｃａｎｏｐｙ ｌｅａｆ
ａｒｅａ ｉｎｄｅｘ ａｎｄ ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ
ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ ｆｒｏｍ ＭＯＤＩＳ ａｎｄ ＭＩＳＲ ｄａｔａ． Ｊｏｕｒｎａｌ ｏｆ
Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ，１９９８， １０３： ２５７－２７５
［７］　 Ｂａｒｅｔ Ｆ， Ｈａｇｏｌｌｅ Ｏ， Ｇｅｉｇｅｒ Ｂ， ｅｔ ａｌ． ＬＡＩ， ＦＡＰＡＲ ａｎｄ
ｆＣｏｖｅｒ ＣＹＣＬＯＰＥＳ ｇｌｏｂａｌ ｐｒｏｄｕｃｔｓ ｄｅｒｉｖｅｄ ｆｒｏｍ ＶＥＧＥ⁃
ＴＡＴＩＯＮ Ｐａｒｔ １： Ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ． Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００７， １１０： ２７５－２８６
［８］　 Ｇｏｂｒｏｎ Ｎ． Ｅｎｖｉｓａｔ’ｓ Ｍｅｄｉｕｍ Ｒｅｓｏｌｕｔｉｏｎ Ｉｍａｇｉｎｇ Ｓｐｅｃ⁃
ｔｒｏｍｅｔｅｒ （ＭＥＲＩＳ） Ａｌｇｏｒｉｔｈｍ Ｔｈｅｏｒｅｔｉｃａｌ Ｂａｓｉｓ Ｄｏｃｕ⁃
ｍｅｎｔ： ＦＡＰＡＲ ａｎｄ Ｒｅｃｔｉｆｉｅｄ Ｃｈａｎｎｅｌｓ ｏｖｅｒ Ｔｅｒｒｅｓｔｒｉａｌ
Ｓｕｒｆａｃｅｓ． ＪＲＣ Ｓｃｉｅｎｔｉｆｉｃ ａｎｄ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔｓ， ２０１１
［９］　 Ａｎｄｅｒｓｏｎ ＴＲ． Ｐｌａｎｋｔｏｎ ｆｕｎｃｔｉｏｎａｌ ｔｙｐｅ ｍｏｄｅｌｌｉｎｇ： Ｒｕｎ⁃
ｎｉｎｇ ｂｅｆｏｒｅ ｗｅ ｃａｎ ｗａｌｋ． Ｊｏｕｒｎａｌ ｏｆ Ｐｌａｎｋｔｏｎ Ｒｅｓｅａｒｃｈ，
２００５， ２７： １０７３－１０８１
［１０］　 Ｈｅ Ｑ （何　 晴）， Ｌｖ Ｄ⁃Ｒ （吕达仁）． Ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｔｈｅ
ｐｒｏｃｅｓｓ ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｖｅｇｅｔａｔｉｏｎ ａｎｄ ｉｔｓ ｓａｔｅｌｌｉｔｅ ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇ ｉｎｖｅｒｓｉｏｎ， ｆｒｏｍ ｑｕａｌｉｔａｔｉｖｅ ｄｅｓｃｒｉｐｔｉｏｎ ｔｏ ｑｕａｎｔｉ⁃
ｔａｔｉｖｅ ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ． Ａｄｖａｎｃｅ ｉｎ Ｅａｒｔｈ
Ｓｃｉｅｎｃｅ （地球科学进展）， ２００８， ２３（１０）： １０５０－１０６０
（ｉｎ Ｃｈｉｎｅｓｅ）
［１１］　 Ｈａｎ ＷＸ， Ｆａｎｇ ＪＹ， Ｒｅｉｃｈ ＰＢ， ｅｔ ａｌ． Ｂｉｏｇｅｏｇｒａｐｈｙ ａｎｄ
ｖａｒｉａｂｉｌｉｔｙ ｏｆ ｅｌｅｖｅｎ ｍｉｎｅｒａｌ ｅｌｅｍｅｎｔｓ ｉｎ ｐｌａｎｔ ｌｅａｖｅｓ
ａｃｒｏｓｓ ｇｒａｄｉｅｎｔｓ ｏｆ ｃｌｉｍａｔｅ， ｓｏｉｌ ａｎｄ ｐｌａｎｔ ｆｕｎｃｔｉｏｎａｌ ｔｙｐｅ
ｉｎ Ｃｈｉｎａ． Ｅｃｏｌｏｇｙ Ｌｅｔｔｅｒｓ， ２０１１， １４： ７８８－７９６
［１２］　 Ｍｙｎｅｎｉ ＲＢ， Ｎｅｍａｎｉ ＲＲ， Ｒｕｎｎｉｎｇ ＳＷ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ
ｇｌｏｂａｌ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ａｎｄ ａｂｓｏｒｂｅｄ ＰＡＲ ｕｓｉｎｇ ｒａｄｉａｔｉｖｅ
ｔｒａｎｓｆｅｒ ｍｏｄｅｌｓ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ
Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， １９９７， ３５： １３８０－１３９３
［１３］　 Ｍｙｎｅｎｉ ＲＢ， Ｈｏｆｆｍａｎ Ｓ， Ｋｎｙａｚｉｋｈｉｎ Ｙ． Ｇｌｏｂａｌ ｐｒｏｄｕｃｔｓ
ｏｆ ｖｅｇｅｔａｔｉｏｎ ｌｅａｆ ａｒｅａ ａｎｄ ｆｒａｃｔｉｏｎ ａｂｓｏｒｂｅｄ ＰＡＲ ｆｒｏｍ
ｙｅａｒ ｏｎｅ ｏｆ ＭＯＤＩＳ ｄａｔａ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ， ２００２， ８３： ２１４－２３１
［１４］　 Ｗａｎｇ Ｚ⁃Ｘ （王正兴）， Ｗａｎｇ Ｙ⁃Ｑ （王亚琴）． Ｄｅｃｏｄｅ
ＭＯＤＩＳ ＱＡ ｕｓｉｎｇ ＬＤＯＰＥ ｔｏｏｌｓ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏ⁃
ｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ （遥感技术与应用）， ２０１３， ２８
（３）： ４５９－４６６ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］ 　 Ｂｏｎａｎ ＧＢ， Ｌｅｖｉｓ Ｓ， Ｋｅｒｇｏａｔ Ｌ， ｅｔ ａｌ． Ｌａｎｄｓｃａｐｅｓ ａｓ
ｐａｔｃｈｅｓ ｏｆ ｐｌａｎｔ ｆｕｎｃｔｉｏｎａｌ ｔｙｐｅｓ： Ａｎ ｉｎｔｅｇｒａｔｉｎｇ ｃｏｎｃｅｐｔ
ｆｏｒ ｃｌｉｍａｔｅ ａｎｄ ｅｃｏｓｙｓｔｅｍ ｍｏｄｅｌｓ． Ｇｌｏｂａｌ Ｂｉｏｇｅｏｃｈｅｍｉｃａｌ
Ｃｙｃｌｅｓ， ２００２， １６： １０．１０２９ ／ ２０００ＧＢ００１３６０
［１６］　 Ｗｅｎｇ Ｅ⁃Ｓ （翁恩生）， Ｚｈｏｕ Ｇ⁃Ｓ （周广胜）． Ｄｅｆｉｎｉｎｇ
ｐｌａｎｔ ｆｕｎｃｔｉｏｎａｌ ｔｙｐｅｓ ｉｎ Ｃｈｉｎａ ｆｏｒ ｇｌｏｂａｌ ｃｈａｎｇｅ ｓｔｕｄｉｅｓ．
Ａｃｔａ Ｐｈｙｔｏｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （植物生态学报）， ２００５， ２９
（１）： ８１－９７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｒａｎ Ｙ⁃Ｈ （冉有华）， Ｌｉ Ｘ （李　 新）． Ｐｌａｎｔ Ｆｕｎｃｔｉｏｎａｌ
Ｔｙｐｅｓ Ｍａｐ ｉｎ Ｃｈｉｎａ． Ｌａｎｚｈｏｕ： Ｃｏｌｄ ａｎｄ Ａｒｉｄ Ｒｅｇｉｏｎｓ
Ｓｃｉｅｎｃｅ Ｄａｔａ Ｃｅｎｔｅｒ， ２０１１ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｃｈｅｎ Ｊ， Ｊöｎｓｓｏｎ Ｐ， Ｔａｍｕｒａ Ｍ， ｅｔ ａｌ． Ａ ｓｉｍｐｌｅ ｍｅｔｈｏｄ
ｆｏｒ ｒｅｃｏｎｓｔｒｕｃｔｉｎｇ ａ ｈｉｇｈ⁃ｑｕａｌｉｔｙ ＮＤＶＩ ｔｉｍｅ⁃ｓｅｒｉｅｓ ｄａｔａ
ｓｅｔ ｂａｓｅｄ ｏｎ ｔｈｅ Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ ｆｉｌｔｅｒ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔ， ２００４， ９１： ３３２－３４４
［１９］ 　 Ｈｏｕ Ｍ⁃Ｔ （侯美亭）， Ｙａｎ Ｘ⁃Ｄ （延晓冬）． Ｄｅｔｅｃｔｉｎｇ
ｖｅｇｅｔａｔｉｏｎ ｐｈｅｎｏｌｏｇｉｃａｌ ｃｈａｎｇｅｓ ｉｎ ｒｅｓｐｏｎｓｅ ｔｏ ｃｌｉｍａｔｅ ｉｎ
Ｅａｓｔｅｒｎ Ｃｈｉｎａ． Ａｄｖａｎｃｅｓ ｉｎ Ｍｅｔｅｒｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅ ａｎｄ
Ｔｅｃｈｎｏｌｏｇｙ （气象科技进展）， ２０１２， ２（４）： ３９ － ４７
（ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｊêｎｓｓｏｎ Ｐ， Ｅｋｌｕｎｄｈ Ｌ． ＴＩＭＥＳＡＴ： Ａ ｐｒｏｇｒａｍ ｆｏｒ ａｎａｌｙ⁃
ｚｉｎｇ ｔｉｍｅ⁃ｓｅｒｉｅｓ ｏｆ ｓａｔｅｌｌｉｔｅ ｓｅｎｓｏｒ ｄａｔａ． Ｃｏｍｐｕｔｅｒｓ ＆
Ｇｅｏｓｃｉｅｎｃｅｓ， ２００４， ３０： ８３３－８４５
［２１］　 Ｘｉｅ Ｊ⁃Ｆ （谢军飞）， Ｘｕ Ｒ （许 　 蕊）． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ
ｖａｒｉａｔｉｏｎ ｏｆ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ｉｎ Ｂｅｉｊｉｎｇ ｂａｓｅｄ ｏｎ ＭＯＤＩＳ
ｄａｔａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学杂志）， ２０１４，
３３（５）： １３７４－１３８０ （ｉｎ Ｃｈｉｎｅｓｅ）
［２２］　 Ｌｉ Ｈ⁃Ｌ （李贺丽）， Ｌｕｏ Ｙ （罗　 毅）， Ｘｕｅ Ｘ⁃Ｐ （薛晓
萍）， ｅｔ ａｌ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ ａｐｐｒｏａｃｈｅｓ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ
ｆｒａｃｔｉｏｎ ｏｆ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ ａｂｓｏｒｂｅｄ ｂｙ
ｗｉｎｔｅｒ ｗｈｅａｔ ｃａｎｏｐｙ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ
ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ （农业工程学报）， ２０１１，
９０２１４期　 　 　 　 　 　 　 　 　 　 谢军飞等： ２０１０—２０１２年北京植被光合有效辐射吸收比例的时空变化　 　 　 　 　
２７（４）： ２０１－２０５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｃｕｉ Ｇ⁃Ｆ （崔国发）， Ｘｉｎｇ Ｓ⁃Ｈ （邢韶华）， Ｚｈａｏ Ｂ （赵
勃）． Ｂｅｉｊｉｎｇ Ｍｏｕｎｔａｉｎ Ｐｌａｎｔｓ ａｎｄ Ｖｅｇｅｔａｔｉｏｎ Ｐｒｏｔｅｃｔｉｏｎ
ａｎｄ Ｒｅｓｅａｒｃｈ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｆｏｒｅｓｔｒｙ Ｐｒｅｓｓ， ２００８ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［２４］　 Ｌｉｎ Ｘ⁃Ｈ （林小惠）， Ｗａｎｇ Ｊ⁃Ｂ （王军邦）， Ｌｉ Ｇ⁃Ｃ （李
贵才）， ｅｔ ａｌ． Ｖｅｇｅｔａｔｉｏｎ ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ｉｎ
Ｓｏｕｔｈｅａｓｔ Ａｓｉａ ｂａｓｅｄ ｏｎ ＭＯＤＩＳ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ Ｍｏｎｉ⁃
ｔｏｒｉｎｇ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学杂志），
２０１１， ３０（４）： ６２９ －６３５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｍｅｒｃａｄｏ ＬＭ， Ｂｅｌｌｏｕｉｎ Ｎ， Ｓｉｔｃｈ Ｓ， ｅｔ ａｌ． Ｉｍｐａｃｔ ｏｆ
ｃｈａｎｇｅｓ ｉｎ ｄｉｆｆｕｓｅ ｒａｄｉａｔｉｏｎ ｏｎ ｔｈｅ ｇｌｏｂａｌ ｌａｎｄ ｃａｒｂｏｎ
ｓｉｎｋ． Ｎａｔｕｒｅ， ２００９， ４５８： １０１４－１０１８
［２６］　 Ｌｉ ＷＪ， Ｆａｎｇ ＨＬ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｄｉｒｅｃｔ， ｄｉｆｆｕｓｅ， ａｎｄ ｔｏｔａｌ
ＦＰＡＲｓ ｆｒｏｍ Ｌａｎｄｓａｔ ｓｕｒｆａｃｅ ｒｅｆｌｅｃｔａｎｃｅ ｄａｔａ ａｎｄ
ｇｒｏｕｎｄ⁃ｂａｓｅｄ ｅｓｔｉｍａｔｅｓ ｏｖｅｒ ｓｉｘ ＦＬＵＸＮＥＴ ｓｉｔｅｓ． Ｊｏｕｒｎａｌ
ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ： Ｂｉｏｇｅｏｓｃｉｅｎｃｅｓ， ２０１５， １２０：
９６－１１２
［２７］　 Ｚｈｏｕ Ｘ⁃Ｄ （周晓东）， Ｚｈｕ Ｑ⁃Ｊ （朱启疆）， Ｗａｎｇ Ｊ⁃Ｄ
（王锦地）， ｅｔ ａｌ． Ｉｎｔｅｒｃｅｐｔｉｏｎ ｏｆ ＰＡＲ， ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅ⁃
ｔｗｅｅｎ ＦＰＡＲ ａｎｄ ＬＡＩ ｉｎ ｓｕｍｍｅｒ ｍａｉｚｅ ｃａｎｏｐｙ． Ｊｏｕｒｎａｌ
ｏｆ Ｎａｔｕｒａｌ Ｒｅｓｏｕｒｃｅｓ （自然资源学报）， ２００２， １７（１）：
１１０－１１６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２８］　 Ｗａｎｇ Ｐ⁃Ｊ （王培娟）， Ｚｈｕ Ｑ⁃Ｊ （朱启疆）， Ｗｕ Ｍ⁃Ｘ
（吴门新）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐｓ ａｍｏｎｇ
ＦＡＰＡＲ， ＬＡＩ ａｎｄ ＶＩＳ ｉｎ ｔｈｅ ｗｉｎｔｅｒ ｗｈｅａｔ ｃａｎｏｐｙ． Ｒｅ⁃
ｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ （遥感信息）， ２００３（３）： １９－
２０ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］　 Ｌａｗ ＢＥ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ａｎｄ ｌｉｇｈｔ ｉｎｔｅｒｃｅｐ⁃
ｔｅｄ ｂｙ ｓｈｒｕｂｓ ｆｒｏｍ ｄｉｇｉｔａｌ ｖｉｄｅｏｇｒａｐｈｙ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ
ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， １９９５， ５１： ２７６－２８０
［３０］　 Ｒｏｕｊｅａｎ ＪＬ， Ｂｒｅｏｎ ＦＭ． Ｅｓｔｉｍａｔｉｎｇ ＰＡＲ ａｂｓｏｒｂｅｄ ｂｙ
ｖｅｇｅｔａｔｉｏｎ ｆｒｏｍ ｂｉｄｉｒｅｃｔｉｏｎａｌ ｒｅｆｌｅｃｔａｎｃｅ ｍｅａｓｕｒｅｍｅｎｔｓ．
Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， １９９５， ５１： ３７５－３８４
［３１］ 　 Ｌｉ Ｇ （李 　 刚）． Ｓｔｕｄｙ ｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｓｔｉｍａｔｉｏｎ
Ｍｏｄｅｌｓ ｆｏｒ ＦＰＡＲ ／ ＬＡＩ ｏｆ Ｔｅｍｐｅｒａｔｅ Ｇｒａｓｓｌａｎｄ ｉｎ Ｈｕ⁃
ｌｕｎｂｅｒ． ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉ⁃
ｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ， ２００９ （ｉｎ Ｃｈｉｎｅｓｅ）
［３２］　 Ｗｕ Ｂ⁃Ｆ （吴炳方）， Ｚｅｎｇ Ｙ （曾 　 源）， Ｈｕａｎｇ Ｊ⁃Ｌ
（黄进良）． Ｏｖｅｒｖｉｅｗ ｏｆ ＬＡＩ ／ ＦＰＡＲ ｒｅｔｒｉｅｖａｌ ｆｒｏｍ ｒｅ⁃
ｍｏｔｅｌｙ ｓｅｎｓｅｄ ｄａｔａ． Ａｄｖａｎｃｅ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球科
学进展）， ２００４， １９（４）： ５８５－５９０ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 谢军飞，男，１９７６年生，博士研究生，高级工程师．
主要从事园林生态评价研究． Ｅ⁃ｍａｉｌ： ｘｉｅｊｕｎｆｅｉ＠ １２６．ｃｏｍ
责任编辑　 杨　 弘
谢军飞， 郭佳． ２０１０—２０１２年北京植被光合有效辐射吸收比例的时空变化． 应用生态学报， ２０１６， ２７（４）： １２０３－１２１０
Ｘｉｅ Ｊ⁃Ｆ， Ｇｕｏ Ｊ． Ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ｏｆ ｆｒａｃｔｉｏｎ ｏｆ ａｂｓｏｒｂｅｄ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ （ＦＰＡＲ） ｉｎ Ｂｅｉｊｉｎｇ ｄｕｒｉｎｇ ２０１０－
２０１２． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（４）： １２０３－１２１０ （ｉｎ Ｃｈｉｎｅｓｅ）
０１２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷