论文部分内容阅读
草原生态系统是主要的陆地生态系统,既能维持生态环境平衡,也能为畜牧业的发展提供基本生产资料,蕴含着丰富的经济价值和生态价值。植被覆盖度是草原生产力的重要指标之一。研究植被覆盖度的反演,了解其时空变化,能够有效评估草原生态服务功能和土地沙化程度,为监测周边生态环境变化、加强生态环境建设、发展农牧业提供决策支持,具有重要的现实意义。河北坝上草原是华北北部治理风沙、水土流失和建设防护林工程的重要地段,同时也是中国北方生态最为脆弱的地带。本文基于坝上草原植被高光谱实测数据,结合Landsat-8 OLI遥感影像,运用饱和性分析、回归分析、分段反演等方法,构建Landsat_OLI光谱模型和分段回归模型两种植被覆盖度反演模型,并通过误差分析选出适用于坝上草原的植被覆盖度最优反演模型。主要结论如下：(1)植被覆盖度与植被指数的关系对比分析从Landsat_OLI影像中计算提取的各植被指数(NDVI、DVI、RVI、OSAVI、MSAVI、 PVI、ARVI)与地面实测的植被覆盖度均呈现显著正相关,相关性由高到低依次为：NDVI、 MSAVI、ARVI、OSAVI、RVI、DVI、PVI。NDVI和ARVI的值域范围为[0,0.8],在植被覆盖度较高时易达到饱和；OSAVI和MSAVI可有效地降低土壤背景的干扰,OSAVI值域范围为[0,0.6],MSAVI为[0,0.9],可用于较高植被覆盖度的反演；DVI和RVI主要集中在[0,0.4],适用于较低植被覆盖度的反演。(2)植被覆盖度分段点的确定植被覆盖度较高时,可见光波段的反射率变化幅度很小,易达到饱和,近红外波段变化较大。植被覆盖度小于等于0.3区间内,各植被指数分段百分比变化较大；大于0.3,小于0.7时,变化幅度较为一致,且在植被覆盖度小于0.7时,五个植被指数变化累计百分比超过70%,因此将0.3和0.7作为植被覆盖度的分段点。(3)分段选取植被指数对各植被指数与植被覆盖度进行Pearson相关分析,植被覆盖度反演整体最优的植被指数有ARVI、NDVI、MSAVI。计算各植被指数在植被覆盖度0-0.3,0.3-0.7和0.7-1三个区间内的分段相关性、分段变化量和分段百分比,结合分段回归模型的拟合结果,分别选取OSAVI、NDVI和MSAVI作为0-0.3,0.3-0.7和0.7-1三个区间内反演植被覆盖度的植被指数。(4)植被覆盖度反演模型构建及最优反演模型研究结果对回归模型法进行改进,构建植被覆盖度反演模型。Landsat_OLI光谱模型为：FC=14.217NDVI3-25.223NDVI2+15.476NDVI-2.601;分段回归模型为：0<Fc<0.3时,FC=5.4197VIOSAVI2-2.1995VIOSAVI+0.4184;0.3<Fc≤0.7时,FC=-1.2391VINDVI2+2.3759VINDVI-0.2934;0.7<Fc≤1时,FC=-127.27VIMSAVI3+ 310.13VIMSAVI2-250.07VIMSAVI+67.545。经精度检验,两个模型误差都较低,估算结果较为理想。其中,Landsat_OLI光谱模型的植被覆盖度实测值与模型模拟值回归相关系数R2为0.8063,总体预测精度达79.37%;分段回归模型R2为0.8927,总体预测精度达83.97%,分段回归模型精度更高,是坝上草原地区植被覆盖度反演的最优模型。