论文部分内容阅读
植物水分含量是评价植物生长状态的一项重要评价指标，同时也是遥感估算植被生产力、旱情监测、森林火灾预测等重要因子。本文基于实测光谱数据和MODIS遥感影像数据，在辐射传输模型理论和GIS空间分析技术的支持下反演植物水分含量，为建立叶片-高空多尺度估算植被水分定量模型提供方法和参考，为提升城市生态功能、森林火灾管理以及区域旱情监测与评估打下基础。 本文使用扩展傅立叶振幅灵敏度分析方法对PROSPECT模型和SAIL模型进行了全局敏感性分析，定量得到了叶片尺度及遥感影像尺度上光谱反射率对植被生化参数的敏感程度。根据EFAST敏感性分析结果，在叶片尺度上，分别使用敏感波段和植被水分指数构建了植被水分估算模型;在遥感影像尺度上，基于全局植被水分指数建立了区域植被水分遥感模型，并对潮白河上游地区2007-2017年的植被水分进行了反演和时空变化分析。研究结果如下: (1)叶片尺度上，叶片等效水厚度的主要敏感波段范围为900-2500nm，在这一波段范围内，干物质含量Cm和叶片结构N对光谱反射率也有一定程度的影响。冠层尺度上，叶面积指数、叶绿素含量和植被水分对反射率的影响较大。主要影响植被水分的MODIS地表反射率波段为5，6，7波段，由于5，7波段较容易受到干扰，因此第6波段是反演植被水分最佳波段。 (2)基于光谱水分指数的等效水厚度估算模型要优于基于特征波段建立的估算模型。其中，在基于特征波段的估算模型中，BP神经网络估算模型具有良好的自适应能力，相比于PLS模型稳定性更强，精度更好;但当没有足够多的训练样本时，经过对数变换、标准正态变量变换、概率系数归一化和一阶导数变换后建立的偏最小二乘法模型也可以较好地的估算叶片等效水厚度;在基于光谱水分指数的估算模型中，估算叶片等效水厚度效果最好的指数为NDWI1640，基于冠层反射率提出的归一化多波段干旱指数不适合用于叶片尺度的水分估算。 (3)采用GVMI植被水分估算模型对潮白河上游地区2007-2017年的植被水分含量进行了反演，结果表明11年来，研究区内植被水分有缓慢上升的趋势，2009年植被水分含量最低。年内植被水分变化呈现明显的季节性规律，夏季远高于春秋两季，秋季略高于春季。 (4)研究区内植被水分含量整体呈现西部低，中部和南部高的趋势。其中，植被水分含量最高的地区集中在南部，最低集中在西北部。从趋势分析结果可以得到，11年来潮白河流域上游地区的植被水分有轻微增加，植被水分增加的区域多集中在研究区中部和东北地区，植被水分减少的区域多集中在研究区东南部。 (5)2007-2016年植被含水量随降水量的增加而产生明显的正向波动。在这10年中，2010年的植被含水量和降水量最高，2009年的植被含水量和降水量最低。年均气温对植被水分含量的影响为负效应。年内月均气温和植被水分的关系不明显。植被含水量变化与气候因子的相关性存在季节性，同时植被含水量对气候因子的响应存在滞后性，不同月份对气候因子的之后时间也存在差异性。表明GVMI植被水分估算模型在一定程度上有助于了解掌握区域内植被水分的时空分布状况以及旱情的发展状况。