论文部分内容阅读
植被覆盖度不仅是表征植被冠层结构最基本的物理参数,也是量化植物群落覆盖地表状况的一个综合指标,也是开展定量遥感物理模型研究的基本参数,已成为全球气候变化、生态、水文、植物、土壤等研究的重要参数,并被广泛地应用于陆表各种参量的变化过程研究。植被覆盖度产品真实性检验研究是提高其产品质量与可靠性,增强数据应用可信度的重要保障。植被覆盖度估算方法的改进以及产品精度的提高是各研究领域的需求。论文在国家863项目“遥感产品真实性检验关键技术及其实验验证”的资助下,依托中国科学院长春净月潭遥感实验站开展研究工作。通过开展农田区域(2km′2km)内的植被覆盖度时间序列星地同步实验,进行农田植被覆盖度遥感估算方法及其产品真实性检验的研究。主要研究成果如下:(1)根据植被覆盖度的定义,研制了基于照相法的植被覆盖度自动提取系统,为论文的研究工作奠定了基础。(2)利用地面植被覆盖度数据和Landsat 8 OLI影像,构建了估算植被覆盖度的植被指数回归模型;同时,对多种植被覆盖度模型进行了评价。Por SAIL模型模拟数据显示Gutman、Carlson、Baret和SDVI模型的估算精度依次是Baret>Carlson>SDVI>Gutman;Baret模型中的k_p/K_VI参数随植被类型和植被生长状况发生变化,通过修改该参数,Baret模型精度提高到0.04。(3)利用植被指数回归模型估算植被覆盖度,得出HJ-1B CCD估算的植被覆盖的精度低于Landsat 8 OLI的结论;利用Landsat OLI,MODIS和SPOT-VGT的光谱响应函数和EO-1Hyperion影像模拟了三种传感器的数据,发现VGT模拟的NDVI小于MODIS模拟的NDVI;在植被生长后期,VGT模拟的NDVI大于MODIS模拟的NDVI。VGT模拟数据计算的植被覆盖度低于MODIS和OLI,VGT的FVC与OLI的FVC的相对偏差达到-17.8%。(4)利用时间序列Landsat 8 OLI影像和变异函数,分析了基于NDVI、NIR和红波段反射率的变异函数描述空间异质性的特性,提出了平均长度变异的概念,量化了不同量纲变量对空间异质程度的表达。结论如下:红波段对土壤敏感,近红外波段对植被敏感。随着植被的生长,红波段描述的农田空间异质性降低,近红外描述的空间异质性增强;植被生长初期,NDVI描述的空间异质性最强。空间异质性具有尺度效应,在中低分辨率遥感影像上,NDVI、NIR和Red波段具有相同的空间异质性探测能力。(5)汲取空间采样理论和空间优化方法,将非均质像元均值估计模型(MSN)应用到异质性像元的空间采样。结果表明,MSN模型对异质性像元的均值估计精度高于空间随机采样和块克里格。结合空间模拟退火,得到给定采样精度下的采样点数据及其空间分布。以均值估计方差为目标函数,得到250m2不同异质程度像元的空间采样方案和基本采样单元内采样点的布设方案。从而,发展了不同尺度的异质性像元空间采样方案。(6)比较并验证了CYCLOPES、GEOV1和Australian MODIS FVC产品在澳大利亚地区的时空一致性和精度。得出以下结论:GEOV1和Australian MODIS FVC产品具有很好的一致性;Australian MODIS FVC的估计值高于GEOV1,CYCLOPES产品的估计值最小。利用2011年-2012年的地面实测数据对GEOV1和Australian MODIS产品的验证结果是GEOV1和Australian MODIS FVC产品的精度(RMSE)在0.08-0.14之间。