论文部分内容阅读
叶面积指数(LAI)是指单位地面面积上所有叶子单面表面积的总和,是表征植被冠层结构最基本的参数之一,其反演结果对于地球生态系统的研究具有重要的意义。而目前大范围植被LAI的估算主要采用的是低分辨率影像LAI产品,其反演的LAI值存在着一定的偏差。本研究旨在从研究地物组分物理性入手,建立一个简单实用、高精度的尺度转换模型,实现对大尺度森林植被叶面积指数的高效、快速遥感估算。本研究采用像元信息分解模型和多次散射植被冠层模型对5Landsat8OLI影像和MODIS影像进行LAI的提取,并针对LAI提取精度结果,构建基于MODIS和Landsat8OLI影像的叶面积指数尺度转换模型,提高大范围内MODIS影像的LAI估算精度。同时,通过对地形校正前后MODIS多尺度LAI估测精度和尺度转换模型进行分析,研究地形校正对LAI估测精度及转换模型的影响。结果表明：(1)像元信息分解模型对植被覆盖度的提取可以更好地反映地物基本组分的构成比例,比基于线性混合像元分解模型方法具有更好的分解效果；(2)基于像元信息分解模型和简化的多次散射植被冠层模型估测的Landsat8OLI影像LAI值,与地面实测LAI值相关性较高,达0.825,估测效果较好；而MODIS影像提取出的LAI结果则较差,RMSE为22.47%,估测精度低,需要对其校正；(3)不同空间分辨率的MODIS数据的LAI估测精度随影像空间分辨率的降低而增高,尤其是地形校正后的RMSE降幅达4.52%,表明MODIS数据适合应用于大尺度叶面积指数的反演,有必要在MODIS LAI和OLI LAI之间建立尺度转换模型来提高MODIS数据的LAI估测精度,并且地形校正对LAI估测具有积极的作用；(4)在MODIS LAI和Landsat8OLI的LAI之间建立线性尺度转换模型,地形校正后的模型拟合度随着空间分辨率的降低从0.776增加至0.902,说明尺度转换模型的建立可明显提高MODIS LAI的估测精度,影像空间分辨率越低,LAI估测效果越好。同时,地形校正后的尺度转换模型的拟合度要比地形校正前的高,地形校正后的MODIS与OLI间的LAI差值比地形校正前的要小,说明地形校正可有效提高MODIS和OLI影像的尺度转换精度,是建立尺度转换模型的重要因素之一。