- DOI:10.22144/ctu.jvn.2020.110 ĐÁNH GIÁ TỔNG SẢN LƯỢNG SƠ CẤP RỪNG RỤNG LÁ SỬ DỤNG MÔ HÌNH. - Mô hình quang hợp, rừng rụng lá, tổng sản lượng sơ cấp, tỉnh Ratchaburi. - Nghiên cứu này nhằm so sánh giá trị tổng sản lượng sơ cấp (GPP) của đối tượng rừng rụng lá tại Ratchaburi, Thái Lan sử dụng mô hình quang hợp thực vật (GPP VPM ) và dữ liệu viễn thám MODIS MOD17A2 (GPP MODIS ) với dữ liệu thực đo (GPP Obs ) giai đoạn . - Số liệu quan sát thu được từ tháp quan trắc bao gồm các dữ liệu về lượng bức xạ tới dùng trong quang hợp (PAR), nhiệt độ được sử dụng để tính toán ảnh hưởng của yếu tố nhiệt độ trong mô hình quang hợp thực vật (VPM), tổng sản lượng sơ cấp thuần để tính toán GPP Obs . - Các chỉ số nước bề mặt (LSWI), chỉ số thực vật tăng cường (EVI) trích xuất từ dữ liệu viễn thám phục vụ cho tính toán ảnh hưởng của nước (W scalar ) và giai đoạn phát triển của cây (P scalar ) đến GPP trong mô hình VPM. - So sánh kết quả của hai phương pháp ước tính GPP với giá trị thực đo cho thấy mô hình VPM cho hiệu quả cao hơn (R 2 = 0,75. - Nghiên cứu tiếp theo về ứng dụng mô hình VPM tính toán GPP cho các đối tượng thực phủ khác nên được quan tâm.. - Các nghiên cứu gần đây đã chỉ ra, trong các năm cực đoan như hạn hán, nhiệt độ tăng cao có thể làm thời điểm bắt đầu mùa vụ sinh trưởng của cây trồng trễ hơn so với năm bình thường khác (Cavaleri et al., 2017), gây chết cây trồng hoặc khi hạn hán ở mức nghiêm trọng làm giảm năng suất sinh khối, giảm nhanh khả năng hấp thụ carbon của cây trồng (Cavaleri et al., 2017).. - Trong số các mô hình tính toán GPP, mô hình quang hợp thực vật (VPM) được coi là mô hình tiềm năng đang được ứng dụng trong nhiều nghiên cứu như ước tính GPP tại khu vực rừng lá rộng Harvard, Hoa Kỳ (Xiao et al., 2004). - ước tính trao đổi Carbon giữa khí quyển với các hệ sinh thái khác nhau khu vực phía Nam Hoa Kỳ (Mahadevan et al., 2005);. - đánh giá các yếu tố ảnh hưởng đến quang hợp trong các hệ sinh thái rừng thường xanh, rừng hỗn giao, rừng rụng lá ở Thượng Hải, Trung Quốc (Jia et al., 2016). - mô tả cấu trúc thảm thực vật (MODIS MOD15A2), ước tính giá trị GPP (MOD17A2) trên diện rộng và liên tục trong nhiều thời điểm, theo dõi sự hấp thu CO 2 của bề mặt (Xiao et al., 2010. - Wang et al., 2010). - Hoạt động đo đạc được thực hiện theo nguyên lý hiệp phương sai (EC) (Kumar et al., 2017), kỹ thuật này đã trở thành một công cụ phổ biến để đánh giá trao đổi CO 2 ròng (hoặc các loại khí khác) từ hệ sinh thái vào khí quyển. - E, được xây dựng với chiều cao 11 m so với mặt đất, nhiệt độ và lượng mưa trung bình trong suốt giai đoạn nghiên cứu lần lượt là 27 o C và 1.042 mm (Sanwangsri et al., 2017) (Hình 1). - Nghiên cứu này thực hiện ước tính GPP tại rừng rụng lá Ratchaburi sử dụng hai phương pháp khác nhau, từ mô hình VPM và từ dữ liệu MODIS MOD17A2 nhằm so sánh và đánh giá độ chính xác của từng phương pháp so với số liệu thực đo tại vị trí quan trắc cùng thời điểm.. - Nhiệt độ cao nhất, nhiệt độ thấp nhất được dùng để tính ảnh hưởng của nhiệt độ trong quá trình quang hợp (T scalar ) trong mô hình VPM.. - Sản lượng CO 2 trao đổi thuần (NEE, net ecosystem exchange) và lượng hô hấp hệ sinh thái (RE, Ecosystem respiration) được sử dụng để tính GPP Obs. - Nghiên cứu sử dụng sản phẩm MODIS phản xạ bề mặt (MOD09) với MOD09Q1 độ phân giải không gian 250 m và MOD09A1 độ phân giải không gian 500 m tổ hợp 8 ngày giai đoạn . - MOD09 bị ảnh hưởng bởi che phủ mây làm hạn chế khả năng khai thác thông tin từ mặt đất, do đó phương pháp loại bỏ mây che và thay thế các điểm ảnh bị ảnh hưởng được áp dụng (Hoan et al., 2013) nhằm cung cấp bộ dữ liệu ảnh đã xử lý mây. - Các chỉ số EVI, LSWI là các thông số trong mô hình quang hợp thực vật (VPM) được tính toán từ ảnh viễn thám sau khi xử lý mây và được giải thích chi tiết trong phần phương pháp (Phần 2.3.1).. - 2.3.1 Ước tính GPP sử dụng mô hình quang hợp thực vật (GPP VPM. - Kết quả nghiên cứu trước đây cho thấy các chỉ số thực vật có thể sử dụng hiệu quả làm thông số đầu vào cho những mô hình tính toán thay đổi Carbon. - Các mô hình ước tính tổng sản lượng sơ cấp (GPP) sử dụng kết hợp các thông số như lượng ánh sáng hữu ích trong quang hợp (LUE), yếu tố ảnh hưởng của nhiệt độ, nước trong các giai đoạn phát triển của cây trồng đã được ứng dụng rộng rãi (Behrenfeld et al., 2001. - Potter et al., 1993). - Mô hình quang hợp thực vật (VPM) được đánh giá là mô hình phù hợp được đề xuất bởi Xiao et al. - Theo Xiao et al. - Sự hấp thụ bức xạ sử dụng cho cây trồng (FAPAR) bao gồm lượng bức xạ tới dùng trong quang hợp (PAR) được hấp thụ bởi tán cây FAPAR PAV và bộ phận khác FAPAR NPV (1):. - Lưu ý, chỉ phần năng lượng hấp thu bởi PAV (FAPAR PAV ) được sử dụng cho quang hợp và được xem xét trong mô hình.. - Dựa trên sự phân chia khái niệm của NPV và PAV trong lá và tán cây, Xiao et al. - (2004) đã đề xuất mô hình VPM với một số thông số trích xuất từ dữ liệu vệ tinh để ước tính GPP trong giai đoạn thực vật hoạt động quang hợp. - Mô hình được mô tả chi tiết trong Hình 2, công thức 2 và GPP được tính toán từ mô hình được ký hiệu là GPP VPM. - Hình 2: Mô hình VPM tính toán tổng sản lượng sơ cấp (GPP VPM ) sử dụng dữ liệu viễn thám và dữ liệu khí tượng tại điểm nghiên cứu. - Mô hình đã được thử nghiệm tại vị trí tháp quan trắc ở tỉnh Ratchaburi cho đối tượng rừng rụng lá giai đoạn . - trong mô hình VPM ε 0 được ước tính cho từng quần xã sinh vật bằng cách sử dụng kết hợp chỉ số EVI (EVI max ) và suất phản chiếu (Albedo min ) (Wang et al., 2010). - Các chỉ số được trích xuất và tính toán cho 3x3 pixels (1,5x1,5 km 2 ) lấy tọa độ tháp quan trắc làm trung tâm (Wang et al., 2010). - Qua tham khảo từ các nghiên cứu có liên quan (Diem et al., 2018), giá trị lượng ánh sáng tối ưu cho rừng rụng lá ε 0 = 0,036 µmol CO 2 /µmol PAR (ε 0 = 0,43gC/µmol PAR) tại vị trí Ratchaburi được sử dụng trong nghiên cứu này.. - T Scalar đại lượng thể hiện cho ảnh hưởng của nhiệt độ đến lượng ánh sáng hữu ích sử dụng trong quá trình quang hợp của thực vật. - và nhiệt độ tối ưu của cây trồng (T opt ) (Raich et al., 1991):. - P Scalar được tính theo 2 giai đoạn (Xiao et al., 2004) trong quá trình đâm chồi cho đến giai đoạn tán lá khép kín trong một mùa sinh trưởng (P scalar = (1+LSWI)/2) và giai đoạn về sau (P Scalar = 1). - W Scalar là chỉ số thể hiện sự ảnh hưởng của lượng nước mà thực vật sử dụng trong quá trình quang hợp, đại lượng này thay đổi theo mùa, và được tính bởi công thức (Xiao et al., 2004). - LSWI = (-1 ≤ LSWI ≤ 1) (Xiao et al . - Mô hình VPM giả thuyết thực vật gồm có các bộ phận có khả năng quang hợp như tán lá (PAV, bộ. - Sự hấp thụ bức xạ sử dụng cho cây trồng (FAPAR) bao gồm lượng bức xạ tới dùng trong quang hợp (PAR) được hấp thụ bởi tán cây FAPAR PAV và bộ phận khác FAPAR NPV. - Chỉ phần năng lượng hấp thu bởi PAV (FAPAR PAV ) được sử dụng cho quang hợp và được xem xét trong mô hình.. - FAPAR PAV là lượng bức xạ tới hấp thu bởi thành phần cây trồng trong giai đoạn hoạt động quang hợp, nghiên cứu này FAPAR PAV thể hiện bởi chỉ số thực vật tăng cường EVI được tính theo công thức (5) của Xiao et al. - 2.3.2 Ước tính GPP sử dụng sản phẩm ảnh MODIS MOD17A2. - Sản phẩm MODIS MOD17A2 được tải từ trang web https://earthexplorer.usgs.gov để trích xuất tổng sản lượng sơ cấp, sử dụng lớp kiểm soát chất lượng (QC) để kiểm tra và loại bỏ tất cả các điểm ảnh không đáng tin cậy trên lớp dữ liệu chứa giá trị GPP. - đáng tin cậy được giữ lại và sử dụng trong các tính toán, đánh giá tiếp theo.. - 2.3.3 Tính toán GPP tại trạm quan trắc GPP tại trạm quan trắc GPP Obs được tính theo công thức (11):. - GPP Obs = -NEE + RE (Yu et al Trong đó, NEE là sản lượng CO 2 trao đổi thuần được đo bằng phương pháp phương sai rối EC (eddy covariance) và RE là lượng CO 2 hô hấp của hệ sinh thái (Sanwangsri, 2017). - Giá trị GPP Obs được sử. - GPP mô hình VPM và trích xuất từ MODIS MOD17A2.. - 2.4 Phương pháp đánh giá hiệu quả các mô hình ước tính GPP. - Giá trị GPP thực đo từ tháp quan trắc (GPP Obs ) được sử dụng để so sánh và đánh giá sự phù hợp của GPP VPM và GPP MODIS . - Các chỉ số RMSE (sai số bình phương trung bình gốc), MAE (sai số tuyệt đối trung bình) cho biết mức độ phân tán các giá trị dự đoán từ các giá trị thực tế, và R 2 (hệ số xác định) được sử dụng trong đánh giá (Wagle et al., 2014). - Giá trị các chỉ số RMSE và MAE được tính theo công thức:. - phương trình hồi quy tuyến tính giữa GPP Obs lần lượt với GPP MODIS và GPP VPM . - R 2 biểu thị mức độ tương quan số liệu giữa GPP Obs và GPP VPM , giữa GPP Obs và GPP MODIS . - 3.1 Đánh giá tổng sản lượng sơ cấp (GPP) từ mô hình VPM. - GPP Obs (g C/ m2). - Thời gian mỗi 8 ngày EVI GPP thực đo GPP Obs. - Giai đoạn tại vị trí rừng rụng lá Ratchaburi, GPP Obs tăng dần từ tháng 5 và đạt giá trị cao nhất vào khoảng tháng 7. - Kết quả đã chỉ ra giá trị GPP Obs giảm khi chỉ số nước bề mặt (LSWI) và chỉ số thực vật (EVI) ở mức giá trị thấp, LSWI <. - Hình 4: Biến động giá trị GPP VPM và GPP Obs tại vị trí nghiên cứu Ratchaburi giai đoạn Trong năm 2010 (năm hạn nặng, El Niño), nhiệt. - độ tăng cao bất thường tại thời điểm tháng 2 – tháng 4 mùa khô diễn ra mạnh mẽ, giá trị GPP VPM và GPP Obs đều giảm đến thấp nhất (Hình 4). - Một số nghiên cứu cho thấy nhiệt độ tăng cao bất thường được tìm thấy vào năm 2010 trong giai đoạn El Nino yếu, sau đó nó giảm xuống vào năm 2011 trong giai đoạn La Niña yếu (Friedl et al., 2014. - Wolf et al., 2016). - Giá trị GPP Obs tăng dần từ tháng 5 và đạt cao nhất vào cuối tháng 7 đầu tháng 8 (GPP tương đương 70 g C /m 2 ) trong khi mô hình VPM ước tính được GPP vào khoảng 80 g C/m 2 cùng thời điểm. - 3.3 Đánh giá tương quan kết quả GPP Obs so với các phương pháp ước tính GPP VPM và GPP MODIS. - GPP Obs và GPP VPM. - Do đó, đánh giá hiệu quả sử dụng mô hình tính toán để xem xét tương quan số liệu và hiệu quả sử dụng mô hình thông qua phương trình hồi quy tuyến tính và tính toán các sai số RMSE, MAE được thực hiện. - Có tổng 92 cặp giá trị GPP Obs và GPP VPM trong giai đoạn được sử dụng trong phương trình (Hình 6).. - Hình 6: Phương trình hồi quy tuyến tính giữa GPP VPM và GPP Obs tại điểm nghiên cứu Ratchburi giai đoạn . - Kết quả đánh giá cho thấy hiệu quả tương đối cao của việc sử dụng mô hình VPM tính toán GPP đối với GPP Obs với hệ số xác định R 2 = 0,75, RMSE=2,34, MAE=2,06, N=92, p<0,001 tại điểm nghiên cứu Ratchaburi.. - GPP Obs và GPP MODIS. - Có 79 cặp giá trị dữ liệu được sử dụng đánh giá tương quan giữa GPP MODIS và GPP Obs nhằm xem xét khả năng tính toán GPP khi sử dụng phương pháp ảnh viễn thám, 13 cặp giá trị chất lượng trong vùng chất lượng kém không được sử dụng trong đánh giá tương quan, kết quả phương trình hồi quy tuyến tính thể hiện trong Hình 7.. - Kết quả thể hiện mối quan hệ thấp giữa 2 biến, mức độ kém hiệu quả khi sử dụng ảnh MODIS tính toán giá trị GPP so với GPP Obs tại trạm quan trắc.. - MAE = 18,45) khi sử dụng MODIS tính toán GPP trong giai đoạn này. - 0,68), điều này cho thấy GPP MODIS nên được cân nhắc để sử dụng trong trường hợp không có dữ liệu y = 0,80x - 0,78. - GPP Obs (gC/m 2 ) 8 ngày. - quan của GPP MODIS và GPP Obs , các nghiên cứu đánh giá hiệu quả số liệu GPP MODIS nên được quan tâm và thực hiện tại nhiều trạm quan trắc hơn và trên nhiều đối tượng cây trồng khác nhau.. - Hình 7: Phương trình hồi quy tuyến tính giữa GPP MODIS và GPP Obs. - Các phương pháp sử dụng ước tính giá trị GPP đã thể hiện được biến động chuỗi giá trị GPP trên hiện trạng rừng rụng lá giai đoạn tại Ratchaburi. - Trong đó, GPP Obs thể hiện rõ mối quan hệ chặt chẽ giữa các yếu tố thành phần sử dụng trong mô hình VPM (LSWI, EVI, PAR và lượng ánh sáng hữu ích dùng trong quang hợp), chứng tỏ các tham số của mô hình VPM là phù hợp. - GPP ước tính từ ảnh MODIS MOD17A2 xu hướng tăng giảm theo hướng tương tự như GPP trong mô hình VPM. - So sánh kết quả GPP VPM và GPP MODIS với giá trị GPP Obs cho thấy hiệu quả sử dụng mô hình VPM đạt hiệu quả cao hơn so với dữ liệu từ ảnh MODIS. - G., et al., 2017. - K., et al., 2014.. - GPP MODIS(g C/m2). - GPP Obs (g C/m 2. - N., et al., 2016.. - C., et al., 2005. - B., et al., 1993. - https://doi.org/10.1016/j.rse Wang, Q., Zhu, X., Yu, G., et al., 2014. - S., et al., 2014.. - Wolf, S., Baldocchi, D., Wolf, S., et al., 2016. - doi: 10.1073/pnas Xiao, X., Zhang, Q., Braswell, B., et al., 2004.. - E., et al., 2010. - https://doi.org/https://doi.org/10.1016/j.rse Yu, G., Song, X., Wang, Q., et al., 2008