论文部分内容阅读
非光合植被（Non-photosynthetic vegetation,NPV）作为草原生产力的重要组成部分,不仅维持着草原生态系统结构、功能和动态方面的稳定,而且还影响生态系统中碳、水的循环以及能量的流动。及时、准确地获取草原非光合植被覆盖度(Fractional cover of NPV,fNPV)及其时空变化信息对于草原退化和荒漠化监测、草地资源管理、土壤侵蚀和草原火灾风险评估以及草原生态环境保护具有重要意义。本文选取锡林郭勒草原为研究区,首先利用野外实测样方光谱模拟MODIS波段和MODIS影像波段两方面数据分别对选取的8个非光合植被指数（Non-photosynthetic vegetation indices,NPVIs）（NDI5、NDI7、NDTI、STI、NDSVI、MSACRI、SWIR32和DFI指数）估算fNPV的适用性和有效性进行评估,以期筛选出适用于fNPV估算的NPVIs指数;然后基于最佳NPVI指数,结合MODIS影像与实测样地fNPV数据建立遥感估算fNPV模型;最后利用该模型对锡林郭勒草原2000-2016年非生长季期间fNPV进行估算,并分析其时空动态变化。主要得出以下结论:（1）DFI指数对于光合植被（PV）、NPV和裸土（BS）混合情况下fNPV估算具有较好的适用性。通过对几个实测光谱模拟的NPVIs指数回归模型比较分析,DFI指数与fNPV的相关性较好,具有较高的R2（0.68）、较低的RMSECV（0.1390）;结合土壤线调整的MSACRI指数（R2=0.53）相较于NDTI指数（R2=0.51）与fNPV的相关性并没有明显提高;而NDI5、NDI7和NDSVI指数与fNPV的相关性较差。与实测光谱模拟的NPVIs指数相比,基于MODIS影像数据的DFI指数估算fNPV的适用性具有一定降低,R2和RMSECV分别为0.59和0.1081;SWIR32、NDTI、MSACRI、STI和NDI7指数的适用性明显低于DFI指数;而NDI5和NDSVI指数的适用性很差,R2分别为0.19和0.13,RMSECV分别为0.1443和0.1522。（2）基于MODIS影像数据的DFI指数与实测样地fNPV数据建立的DFI-fNPV线性回归模型是估算锡林郭勒草原fNPV的最佳遥感模型,具有较高的准确性和稳定性,R2和RMSECV分别为0.60和0.1574,可以有效地估算锡林郭勒草原fNPV信息。（3）2000-2016年锡林郭勒草原fNPV的空间分布异质性明显,整体呈现东北高西南低的格局。草地类型影响fNPV的空间分布特征,从东北部的草甸草原（0.65）、典型草原（0.42）到西南部的沙地草原（0.24）和荒漠草原（0.23）,fNPV在逐渐降低。17年间fNPV的变化总体呈现波动增加的趋势,其中fNPV增加的区域约占研究区的78.57%,20.90%的区域呈显著增加趋势,主要分布于中部和南部的典型草原地区。fNPV无明显变化的区域约占研究区的9.22%,呈零星分布。而fNPV减少的区域较少,约占研究区的12.20%,主要集中于荒漠草原西部、典型草原东北部以及少部分草甸草原地区。