论文部分内容阅读
光合/非光合植被(Photosynthetic/Non-photosynthetic Vegetation,PV/NPV)作为浑善达克沙地地表植被覆盖的两种主要形态,在截流降雨、防沙固土、地表物质能量循环及土壤养分保持等方面扮演着非常重要的角色。及时准确地对其光合/非光合植被覆盖度(Fractional Coverage of Photosynthetic/Non-photosynthetic Vegetation, CPV/CNPV)进行估算对了解沙地植被退化/恢复趋势、开展生态工程治理成效评价具有重要意义,而对PV/NPV及裸土(Bared Soil, BS)光谱混合机理的分析则是实现其CPv和CNPV精准估算的基本前提。因此,本研究以浑善达克沙地为研究区,首先通过野外实测构建覆盖研究区典型地物类型的PV/NPV及BS端元光谱库：然后利用Hyperion高光谱数据结合地面实测数据,分别尝试采用线性/非线性光谱混合模型(Linear/Non-linear Spectral Mixture Model, LSMM/ NSMM)对浑善达克沙地PV/NPV及BS之间的光谱混合形成机理进行了探索,以期寻求适宜其Cpv与CNPV估算的最佳光谱混合模型；在此基础上,最后分别以GF1和Landsat8影像为数据源,采用固定和可变两种端元选取策略对浑善达克沙地典型实验区正蓝旗CPv和CNPV进行了估算,并以地面实测数据对估算结果进行了验证。主要得到以下结论：(1)对于浑善达克沙地来说,基于PV/NPV及BS的LSMM可以实现Cpv与CNPV的较好估算,Cpv估算的RMSE为0.12 (R2=0.84), CNPV估算的RMSE为0.13(R2=0.66)；考虑多重散射影响的NSMM无论在模型分解精度还是在Cpv与CNPV估算精度上均没有明显提升,其中各端元之间的多重散射作用对CPv估算精度的影响不大,但会导致CNPV估算精度的明显降低。(2)不同端元选取方法会对估算结果产生一定影响,可变端元选取方法较固定端元选取方法来说在Cpv和CNPV估算精度上有所提升。通过基于GF1和Landsat8数据的正蓝旗Cpv和CNPV估算结果可以看出,采用可变端元选取方法的多端元光谱混合分析(Multiple Endmember Spectral Mixture Analysis, MESMA)和全自动蒙特卡洛分解(Automaticed Monte Carlo Unmixing, Auto MCU)较采用固定端元选取方法的全受限LSMM来说,精度有所提升。其中,对于GF1数据来说,全受限LSMM CPV估算的RMSE为0.1163(R2=0.72),CNPV估算的RMSE为0.1352 (R2=0.71), MESMA CPV估算的RMSE为0.1002(R2=0.83),CNPV估算的RMSE为0.0778(R2=0.74), Auto MCU CPV估算的RMSE为0.1066(R2=0.80),CNPV估算的RMSE为0.0607(R2=0.77)；对于Landsat8数据来说,全受限LSMM CPV估算的RMSE为0.1415(R2=0.74), CNPV估算的RMSE为0.1378(R2=0.73), MESMA Cpv估算的RMSE为0.1208(R2=0.80), CNPV估算的RMSE为0.1173(R2=0.79), Auto MCU Cpv估算的RMSE为0.1001(R2=0.82), CNPV估算的RMSE为0.0629(R2=0.76)。(3)通过与Landsat8数据的对比可知,GFl数据能够得到较高的Cpv和CNPV估算精度,可以进一步用于大面积稀疏植被参数的遥感定量反演。