Remote sensing-based assessment of Gross Primary Production (GPP) in agricultural ecosystems

Titelangaben

Lee, Bora:
Remote sensing-based assessment of Gross Primary Production (GPP) in agricultural ecosystems.
Bayreuth , 2015 . - XX,134 S.
( Dissertation, 2015 , Universität Bayreuth, Fakultät für Biologie, Chemie und Geowissenschaften)

Volltext

	Format: PDF Name: Diss_main_BR_final.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY 3.0: Namensnennung
	Download (5MB)

Abstract

Productivity in agricultural ecosystems is important to understand in terms of their role as a strong modifier of regional carbon balance, but also in their intended role of capturing carbon (energy) in the form of food products, e.g. agricultural yield. Gross primary production (GPP) of agricultural ecosystems is the amount of total carbon assimilated by the planted crops and the driver of useful biomass production. To assess the GPP of croplands, this study combines information from flux determinations with eddy covariance (EC) methodology, process-based modeling of carbon gain, and satellite remotely-sensed vegetation indices (VIs). The data is brought together synthetically for major crops found in agricultural landscapes of Gwangwon Province, South Korea, e.g., rice, soybean, maize, potato, and sugar beet as a surrogate for radish. The long term goal (beyond the current effort) is to utilize the results to assess carbon balances, agricultural production and yields in the landscape of Haean Catchment, South Korea, which has been the focus of research in the TERRECO project (see acknowledgement). This study focuses on relating two major variables determining GPP; leaf area index (LAI) of the crop and carboxylation capacity of the crop canopy (Vcuptake - as first defined by Owen et al. 2007), to MODIS remotely sensed vegetation indices (VIs). Success in deriving such relationships will allow GPP to be remotely determined over the seasonal course of crop development. The relationship to VIs of both LAI and Vcuptake were considered first by using the general regression approaches commonly applied in remote sensing studies, i.e., simple linear models or other statistical regression models. The results of GPP estimation from these general models were not adequate and led overall to underestimations. Therefore, a new alternative approach was developed to estimate LAI and Vcuptake that used consistent development curves for each crop, i.e., relies on consistent biological regulation of plant development. In this case, the remote sensing maximum in VIs is used to identify timing of phenological development at the observed location. Depending on the maximum in VIs, seasonal change in the critical variables for structure and crop physiology may be estimated by synthesizing data from EC studies at multiple sites for each crop. The relationship between observed GPP and modeled GPP based on the consistent development curves for LAI is remarkably improved over regression based values with R2 from 0.79 to 0.93. Modeled GPP based on the consistent development curve for both LAI and Vcuptake agreed with R2 from 0.76 to 0.92 (within the 95% confidence interval) at the rice paddy sites. In the case of dry-land crops, the relationship between measured and modeled GPP based on the consistent development curve for LAI showed significantly improved results with R2 from 0.61 to 0.93 (within the 95% confidence interval), while measured vs. modeled GPP based on the consistent development curve for both LAI and Vcuptake exhibited an R2 from 0.60 to 0.91 (within the 95% confidence interval). Several unsolved problems remain with respect to GPP estimation that are associated with uncertainties in vegetation indices, unmatched scale for field size and remote sensing pixels, infrequent sampling of LAI at EC sites, and uncertainties whether LAI measurements correctly represent average crop structure within EC measurement footprints. Nevertheless, the results in this study demonstrate that improved linkages between the ground-based survey data, eddy flux measurements, process-based models, and remote sensing can be constructed to estimate GPP in agricultural ecosystems. This study suggests further that the consistent development curve concept and approach has potential for predicting GPP better than simple linear models, and therefore, to estimate critical parameters influencing carbon gain and agricultural yields with various crop types. Further and more detailed studies are required with accurately sampled spatial data in agricultural ecosystems in order to better calibrate LAI and physiological parameters such as Vcuptake for use in models for GPP.

Abstract in weiterer Sprache

Es ist wichtig, die Produktivität von Agrarökosystemen zu verstehen, einerseits in ihrer Rolle als bedeutender Modifikator des regionalen Kohlenstoffhaushalts, zum anderen auch in der Bindung von Kohlenstoff (Energie) in Form von Lebensmitteln, z.B. dem landwirtschaftlichen Ertrag. Die Bruttoprimärproduktion (GPP) von Agrarökosystemen ist die Menge des gesamten, von den gepflanzten Feldfrüchten fixierten Kohlenstoffs und der Hauptparameter für die nutzbare Biomasseproduktion. Um die GPP von landwirtschaftlich genutzten Flächen zu messen, kombiniert die vorgelegte Studie Informationen aus Flux-Messungen mit der Eddy-Covarianz (EC)-Methode, prozess-basierter Modellierung des Kohlenstoffgewinns und satellitengesteuerter Erfassung von Vegetationsindizes (VIs). Die Daten wurden für die Hauptanbaufrüchte in den Agrarlandschaften der Gangwon Provinz in Südkorea, insbesondere für Reis, Sojabohnen, Mais, Kartoffeln und Zuckerrüben (als Surrogat für Rettich), zusammengetragen und ausgewertet. Langfristiges Ziel (über die hier vorliegende Arbeit hinaus) ist es, die Ergebnisse für die Bestimmung des Kohlenstoffhaushalts, der Agrarproduktion und der Ernteerträge im Gebiet des Haean Wassereinzugsgebiets in Südkorea zu nutzen (Hauptuntersuchungsgebiet des TERRECO-Projekts s. Danksagung). Die vorliegende Studie konzentriert sich darauf, zwei Hauptvariablen zur Bestimmung der GPP: den Blattflächenindex (LAI) der Feldfrüchte und die Carboxilierungskapazität der Feldfruchtbestände (Vcuptake- wie zuerst von Owen et al. 2007 definiert) mit den durch MODIS-Fernerkundung ermittelten Vegetationsindizes (VIs) in Verbindung zu setzen. Eine erfolgreiche Ableitung derartiger Abhängigkeiten wird es ermöglichen, mit Hilfe der Satelliten-Fernerkundung die GPP der verschiedenen Ackerkulturen im Laufe ihrer jahreszeitlichen Entwicklung zu bestimmen. Die Beziehung sowohl von LAI als auch Vcuptake zu VIs wurde zuerst mit Hilfe allgemeiner Regressionsmethoden betrachtet, die gemeinhin bei Fernerkundungsstudien angewandt werden, insbesondere einfache lineare Modelle oder andere statistische Regressionsmodelle. Die Ergebnisse auf Basis der allgemeinen Modelle für die GPP-Bestimmung waren nicht adäquat und führten durchweg zu Unterschätzungen. Daher wurde ein alternativer Ansatz zur Abschätzung von LAI and Vcuptake entwickelt, der konsistente Entwicklungskurven für jede Feldfrucht benutzt, d.h. der auf der konsistenten biologischen Regulation der Pflanzenentwicklung beruht. In diesem Fall wird das Maximum des VI der Fernerkundungsdaten benutzt, um das Stadium der phänologischen Entwicklung an der beobachteten Lokalität zu identifizieren. In Abhängigkeit von den Maxima der VIs kann die saisonale Änderung der kritischen Variablen für Struktur und Physiologie der Ackerfrüchte durch die Synthese der Daten von EC-Studien für jede Feldfrucht an verschiedenen Standorten ermittelt werden. Die Beziehung zwischen beobachteter GPP und modellierter GPP basierend auf den konsistenten Entwicklungskurven für LAI ist gegenüber regressionsbasierten Werten mit R2 zwischen 0.79 und 0.93 deutlich verbessert. Die modellierte GPP basierend auf den konsistenten Entwicklungskurven sowohl für LAI als auch für Vcuptake stimmte mit der gemessenen GPP mit R2 von 0.76 bis 0.92 (innerhalb des 95% Vertrauensbereichs) für die feuchten Reisstandorte überein. Im Falle der Trockenfeldfrüchte, zeigte die Beziehung zwischen modellierter und gemessener GPP basierend auf den konsistenten Entwicklungskurven für LAI signifikant verbesserte Ergebnisse mit R2 von 0.61 bis 0.93 (innerhalb des 95% Vertrauensbereichs), während der Zusammenhang zwischen gemessener und modellierter GPP basierend auf den konsistenten Entwicklungskurven sowohl für LAI and Vcuptake ein R2 von 0.60 bis 0.91 (innerhalb des 95% Vertrauensbereichs) ergab. Hinsichtlich der GPP-Bestimmung bleiben einige ungelöste Probleme bestehen, die auf Unsicherheiten bei den Vegetationsindizes, nicht abgestimmten Skalen für die Fernerkundungs-Pixel für Ackerflächengrößen, lückenhafte Beprobung von LAI an EC-Standorten und der Frage, ob LAI-Messungen die durchschnittliche Struktur der Ackerkulturen innerhalb der EC-Fußabdrucke korrekt repräsentieren, beruhen. Dennoch zeigen die Ergebnisse dieser Studie, dass eine verbesserte Kopplung zwischen den Datenerhebungen im Feld, Eddy-Flux-Messungen, prozess-basierten Modellen und Fernerkundung erreicht werden kann, um die GPP in Agrarökosystemen zu bestimmen. Die vorgelegte Arbeit deutet außerdem darauf hin, dass Konzept und Ansatz der konsistenten Entwicklungskurven ein besseres Potential für die Vorhersage von GPP bietet als einfache statistische Modelle und damit auch für die Bestimmung kritischer Parameter, die Kohlenstoffgewinn und landwirtschaftliche Erträge bei verschiedenen Feldfrüchten beeinflussen. Für eine genauere Kalibrierung des LAI und physiologischer Parameter wie Vcuptake zur prozessbasierten Modellierung der GPP sind weitere und detailliertere Untersuchungenmit sorgfälltig erhobenen räumlichen Daten aus Agrarökosystemen erforderlich.