论文部分内容阅读
植被冠层叶面积指数(Leaf Area Index,LAI)是一个重要的植被结构参数,也是某些植物、生态、气候、环境模型的重要输入参数,因此,大范围快速地获取叶面积指数具有重要的现实意义。遥感技术具有大范围快速观测的特点,多源遥感数据为对全球范围的植被冠层LAI进行动态监测提供了更多数据支持。然而,目前已有的全球遥感LAI产品基本是基于光学遥感数据生成的。光学遥感数据受天气和大气等因素的影响,导致了LAI产品在时间和空间上的缺失。而微波遥感数据具有全天时全天候的特点,并能反应一定的植被信息。激光雷达数据在植被结构提取方面也具有一定优势。如何充分利用不同类型传感器获取遥感数据的优势,使其提供的信息互为补充,是提高植被冠层LAI反演精度的关键问题。
相比农作物和草地LAI的估算,森林冠层LAI的遥感反演及其结果验证更为困难。本文围绕融合多源遥感影像反演森林植被叶面积指数展开研究。论文的主要工作和成果包括以下几个方面:
1.基于适用于森林冠层的二向反射几何光学模型(GOMS模型),提出了一种融合光学多光谱多角度遥感数据和激光雷达数据反演林地冠层结构参数及LAI的方法。为了解决反演参数的不确定性问题,本研究引入激光雷达数据,提取像元尺度上的植被冠层结构参数,为反演提供先验知识。采用基于知识的多阶段反演方法估算林地的结构参数,进一步估算林地冠层LAI。利用实地LAI测量数据对估算结果的验证结果表明,在本研究区中,融合多源遥感数据反演得到的结果优于MODIS LAI产品。且融合激光雷达数据和光学数据反演得到的林地冠层LAI比只用光学多角度数据得到的林地冠层LAI结果精度高。
2.利用遥感数据估算的区域或全球尺度的森林植被冠层LAI,需要地面实测值对其进行检验,但获取林地LAI的实测真值相当困难。目前用不同仪器通过间接测量方法获取LAI的地面实测结果具有各自的不确定性。本文基于林地冠层LAI实测数据,分析评价了这些仪器测量结果的不确定性及其影响因素。在此基础上,根据误差传递公式,采用整体误差最小化的方法,将三种仪器测量结果进行融合。采用森林场景的模拟数据对此方法进行验证的结果表明,此方法是一种减小多仪器LAI测量值整体误差的有效方法。
3.微波植被指数(MVI)与光学归一化植被指数(NDVI)在AMSR-E的25km像元尺度上具有一定的相关性,为光学数据和微波数据融合反演植被相关参数提供了可能。但是,在许多应用中需要认识更小尺度上的MVI和NDVI是否也同样具有相关性。本文以微波和光学同步实验所获取的地物微波辐射和波谱反射率的实测数据及模拟数据为基础,在不同植被类型、不同覆盖度的情况下,对比了光学植被指数和微波植被指数,分析了两者之间的相关性和植被覆盖度之间的关系。研究结果表明,观测视场内植被所占的比例对MVI与NDVI的关系有直接影响。此研究结果可为融合光学数据和微波观测数据估算植被参数提供参考。