《Physics and Chemistry of the Earth, Parts A/B/C》：Improving Vegetation Photosynthesis Model (VPM) by Incorporating CO2 and Atmospheric Aerosols: A Case Study Using Urban and Rural Flux Data from Shenzhen, China
编辑推荐：
本研究基于深圳案例，融合Landsat 8与MODIS数据，优化植被光合模型（VPM）以纳入CO?和气溶胶光学深度（AOD）等大气胁迫因子，显著提升城市常绿阔叶林GPP模拟精度（R2=0.51-0.65，RMSE=0.11-1.65），为城市碳中和技术评估提供支持。
董冠南|王伟民|刘凯|严子彦|高龙|张芙蓉|陈少辉
国家林业和草原管理局林业资源清查与规划研究院，北京 100714，中国
摘要
城市植被对城市环境质量和人类健康至关重要。然而，人类活动导致大气中的二氧化碳（CO2）和颗粒物（PM2.5 和 PM10）浓度增加，从而影响城市植被的生长。植被生产力反映了植被的生长状况，目前大多数关于城市地区的估计都是基于陆地碳循环模型。本研究探讨了城市植被的显著空间差异，并利用Landsat 8和MODIS卫星数据融合技术获取高分辨率遥感数据。以深圳市的常绿阔叶林为例，我们通过回归算法对天心山（TXS）和羊梅坑（YMK）研究林的植被光合作用模型（VPM）中的CO2和气溶胶光学厚度（AOD）大气胁迫因素进行了建模。选定的模拟精度指标为：城市地区的R2=0.51，RMSE=0.11，MAE=0.85；农村地区的R2=0.65，RMSE=1.65，MAE=1.30。经过验证，VPM_urban模型对TXS研究林表示的城市地区的GPP（总初级生产力）模拟值从原来的0.62提高到了0.71。这表明使用VPM_urban可以更准确地评估城市地区常绿阔叶林的生长状况，为城市规划和管理提供有价值的见解。
引言
研究城市生态系统中的植被生产力有助于了解城市植被对全球碳循环的贡献（Pataki等人，2006；Velasco等人，2016）。它是发展与评估低碳城市以及促进城市和地区可持续发展的关键环节。准确估计城市生态系统中的植被生产力是城市实施碳中和战略和应对气候变化的前提和基础。然而，由于城市生态系统的独特特征，如高空间异质性、遥感图像中的混合像素以及人为干扰（Ardila等人，2011），在估计植被生产力时面临诸多挑战。这些挑战源于数据来源的局限性、植被提取算法的不足以及城市环境的复杂性（He等人，2022）。城市内部的野外观测（包括通量塔和实地调查）不足进一步加剧了这些问题。此外，那些在自然陆地植被生产力估计方面表现优异的模型在应用于城市生态系统时往往难以保持其性能（Fatichi等人，2014）。遥感技术的进步为解决这些障碍和提升城市生态系统植被生产力模型提供了有希望的途径（Fatoyinbo等人，2021；Tavakkoli Piralilou等人，2019）。遥感模型用于估计城市植被生产力的方法主要分为三类：基于过程的生态系统模型、基于光利用效率（LUE）理论的模型以及新型植被指数模型。其中，基于光利用效率（LUE）理论的模型因其直观的理论基础而脱颖而出，能够利用连续的时空观测数据直接捕捉城市生态系统中的各种植被类型的生长动态（Milesi等人，2003；Pei等人，2013；Zhuang等人，2022）。因此，该模型在估计城市植被生产力方面得到了广泛应用。然而，目前用于估计城市生态系统植被生产力的LUE模型最初是为陆地生态系统设计的。由于人类活动的影响，城市生态系统与陆地生态系统存在显著差异。特别是，城市地区的大气二氧化碳（CO2）和气溶胶光学厚度（AOD）水平与农村地区有很大不同（Xie等人，2020）。研究表明，CO2和AOD显著影响植被光合作用（Niyogi等人，2004；Wang等人，2018；Xie等人，2020）。人类活动排放的空气污染物对城市生态系统中的植被的影响不容忽视。因此，有必要改进LUE模型，以确保其能够准确估计城市地区的植被生产力。
植被光合作用模型（VPM）是一种经典的LUE模型，在估计城市植被生产力方面得到了广泛应用（Cui等人，2022；Cui等人，2017；Dong等人，2023；Zhong等人，2019；Zhuang等人，2022）。该模型采用增强植被指数（EVI）来衡量叶绿素对光合有效辐射的吸收。与使用归一化差异植被指数（NDVI）的模型相比，这种方法更适合估计南方常绿阔叶林。此外，其水分胁迫系数是通过将遥感数据反演得到的地表水分指数（LSWI），比其他水分胁迫指标具有更高的空间精度。尽管VPM在自然环境中表现良好，但在城市环境中的有效性仍需进一步改进（Dong等人，2023b；Zhong等人，2019；Zhuang等人，2022）。
在本研究中，我们通过数据融合技术结合Landsat 8和MODIS卫星数据，考虑了城市植被的高空间差异并获取了高分辨率遥感数据。以深圳市的常绿阔叶林为例，我们结合了代表城市地区的天心山（TXS）通量站和代表农村地区的羊梅坑（YMK）通量站的大气环境胁迫因素来改进VPM模型。本研究的主要目标有两个：（1）验证数据融合后EVI和LSWI的准确性，以及VPM对城市和农村地区常绿阔叶林总初级生产力（GPP）的模拟准确性；（2）通过整合CO2和AOD大气胁迫因素来改进VPM模型，并构建VPM_urban。
研究区域
深圳位于北回归线以南，东经113°43'至114°38'，北纬22°24'至22°52'之间。它位于中国广东省南部沿海地区，东临大亚湾和大鹏湾，西接珠江口和陵汀洋湾，南通过深圳河与香港特别行政区相连，北与东莞市和惠州市接壤。
EVI和LSWI产品的质量评估
本研究使用像素线性回归数据融合方法，对分辨率为30米、时间频率为8天的常绿阔叶林的EVI和LSWI产品的准确性进行了验证。首先，从MODIS和Landsat 8数据中选取了常绿阔叶林的纯图像元素区域，并进行时间序列可视化（图2）。时间序列数据融合表明，融合后的EVI和LSWI数据集具有较高的时空分辨率，满足研究要求。
讨论
本研究开发的VPM_urban模型通过结合大气胁迫因素，提高了对城市常绿阔叶林GPP的模拟准确性，同时考虑到了明显的城乡差异。然而，城市生态系统内植被生长环境的复杂性需要考虑众多自然和人为因素（Grimm等人，2000）。例如，城市地区在不同时间可能面临光照不足或光照过强的问题。
结论
本研究采用像素线性回归模型结合VPM模型，利用两个通量塔站的多年GPP观测数据、全球月平均CO2浓度数据以及长期高分辨率空气污染浓度数据进行回归建模，得到了TXS和YMK研究林的GPP数据。根据模型准确性和计算效率的考虑，选择了适当的模型作为VPM的改进版本，称为VPM_urban。
作者贡献声明
董冠南：撰写初稿、软件开发、数据分析、概念构思、可视化、方法论设计、数据管理、审稿与编辑、验证、实验设计。王伟民：审稿与编辑、资源协调、数据管理、监督、实验设计。陈少辉：审稿与编辑、资源协调、概念构思、监督、方法论设计、资金申请。高龙：审稿与编辑。张芙蓉：审稿与编辑。刘凯：监督工作。未引用参考文献
Lan等人，2021年11月。
利益冲突声明
作者声明没有已知的利益冲突或个人关系可能影响本文的研究结果。
致谢
本研究得到了国家自然科学基金（项目编号41971315和U2003105）和国家重点研发计划（项目编号2021YFC3201102和2019QZKK1003）的支持。感谢编辑和审稿人对本手稿提出的建设性意见。
