论文部分内容阅读
当前,全球碳循环的研究日益成为全球变化和生态学的热点之一,估测植被生物量是模拟碳循环和减缓气候变化措施的关键。传统的野外调查方法获取的生物量数据结果准确,但是费时费力,所能达到的空间尺度和时效性有限。准确获取作物的生物量和产量是作物生产力管理和预测的关键。与植被反射率有关的“红边位置”是估测植被叶片叶绿素含量或者氮元素含量的重要光谱特征。然而传统的多光谱传感器普遍存在着传感器饱和与缺少对植被生物物理和化学特性敏感波段的问题,这些因素都影响了生物量反演模型的不确定性。高光谱遥感技术可以有效的挖掘生物量与植被光谱特征的关系,高光谱遥感技术的应用可以对大区域范围内植被生物量精确估测。本文首先基于实测光谱数据计算的高光谱特征变量及高光谱植被指数,结合同期的草地地上鲜生物量数据,利用回归分析的方法构建内蒙古草地地上鲜生物量的地面光谱估算模型。结果表明:内蒙古草地地上生物量与高光谱变量之间,可以用线性方程、对数方程、多项式方程、乘幂方程以及指数方程进行拟合,拟合结果均达到极显著相关水平,其中以高光谱植被指数(HVI)为变量构建的单变量线性和非线性方程决定系数最高,以红边内一阶微分光谱中的最大值(Dr)为单变量构建的模型预测生物量最接近实测值。应用多元回归的方法对高光谱特征变量及高光谱植被指数进行回归分析后发现,以绿峰反射率与红谷反射率的归一化值(V12)、红边内一阶微分的总和与蓝边内一阶微分的总和的归一化值(V15)、高光谱植被指数(HVI)、红边位置(REP)、三角叶绿素植被指数(TCI)这5个变量构建的多元回归模型效果最好,该模型可以对内蒙古草地地上鲜生物量进行预测。其次,利用地面实测草地冠层高光谱数据、草地鲜生物量数据以及Hyperion成像高光谱数据对锡林浩特市典型草原的生物量进行遥感反演研究。基于高光谱变量与草地鲜生物量之间的相关分析,建立了单变量线性与非线性地面实测高光谱生物量预测模型,确定以三角叶绿素植被指数(TCI)为变量的线性生物量预测模型y=191.7x-236.19对生物量预测效果最佳,鉴于ASD高光谱三角叶绿素植被指数(TCI)与Hyperion成像光谱数据的三角叶绿素植被指数(TCI)的显著相关关系(R=0.699),构建了Hyperion TCI预测ASD TCI的回归模型y=1.8056x0.40.4352(R2=0.516),综合与地面实测高光谱生物量最佳预测模型,通过尺度转换得到Hyperion TCI生物量反演模型y=345.13 x0.4352-236.19,在一定程度上提高了预测精度,在天然草地生物量估算方面具有应用价值。