论文部分内容阅读
植被是地球生态系统的重要组成部分,对人类生存、气候变化、社会发展等具有重要意义。作为表征植被冠层最基本参量之一的叶面积指数(LAI, Leaf Area Index),不仅直接影响植被光合、蒸腾以及群体长势,也是各类模式的关键参量,LAI动态变化也与区域气候特性息息相关。遥感技术广泛应用为LAI测量与应用提供强有力的工具。本文利用北京地区冬小麦的地面高光谱数据,结合PROSAIL辐射传输模型,对目前LAI估算从植被指数饱和性、土壤背景影响、植被光谱特征以及最佳估算方法等方面进行研究,并利用多源遥感影像数据进行区域反演,主要研究工作内容和结果如下：(1)针对目前常用植被指数亦受土壤背景影响和饱和性问题,结合辐射传输模型与实测数据,提出以LAI=3是较为适宜的分段点,建立的植被指数最佳分段组合OSAVI(LAI<3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响以及饱和性问题,联合反演的结果明显优于单一植被指数反演结果。(2)讨论分析水分植被指数对LAI估算的重要性,将其与常用的可见光-近红外植被指数相乘构建新的植被指数。通过PROSAIL模型模拟和实测数据验证,表明该方法估算结果较好,特别是在与sLAIDI*相乘构建的新指数,估算效果显著提升,估算模型也较为稳定。(3)通过分析冬小麦冠层光谱反射率特性,分别从光谱特征波段、光谱特征位置和植被指数,分别通过选择最优变量构建数据集。同时采用逐步回归、主成分回归分析和偏最小二乘回归进行各数据集的LAI估算,讨论分析不同方法及不同数据集的最佳估算方案。偏最小二乘估算效果以及稳定性最好,决定系数R2超过0.8。(4)将提出的分段反演和新构建的植被指数实现了在Landsat5TM影像数据的应用,估算效果有一定的提升。对于FY-3A/MERSI遥感数据,比较分析了不同的大气校正方法,同时结合TM和MODIS数据,进行LAI定量的估算分析。虽然MERSI数据质量和反演精度不高,但其数据分布和LAI反演结果总体趋势与TM和MODIS数据结果一致。