植被生产力是衡量生态系统应对气候变化和人类活动影响的重要指标。本研究的主要目的是提高总初级生产力（Gross Primary Productivity，GPP）估算的准确性，以满足精确生态监测的迫切需要。为此，本研究在光能利用率模型的基础上，提出了优化的GPP估算模型：CASA＿SVR。植被冠层光合有效辐射占比（Fraction of Photosynthetically Active Radiation，FPAR）是光能利用率模型的重要参数，CASA＿SVR模型结合支持向量回归算法（Support Vector Regression，SVR），利用归一化植被指数（Normalized Difference Vegetation Index，NDVI）和修正土壤调整植被指数（Modified Soil Adjusted Vegetation Index，MSAVI）改进了FPAR的估算。结果表明：1)CASA＿SVR模型估算GPP的R2为0.71（P<0.001），比CASA模型提高0.19，RMSE和MAE均有所降低。同样，与VPM模型相比，VPM＿SVR模型也有改善，R2值增加0.25，RMSE和MAE均有所降低，凸显了将SVR纳入GPP估算模型以及引入MSAVI优化FPAR计算的作用。2)与CASA模型相比，利用CASA＿SVR模型估算草甸草原、典型草原和荒漠草原的GPP，RMSE值分别降低7.11 g C·m-2·month-1、2.31 g C·m-2·month-1和10.41 g C·m-2·month-1。CASA＿SVR模型能够 显著改善草地的GPP估算，与传统模型和现有的MODIS产品相比，RMSE降低明显，且CASA＿SVR在不同草原类型中表现出更广泛的适用性和更高的准确性。
暂无评论