论文部分内容阅读
遥感技术应用于陆地生态系统提取各种地表参数时,由于普遍存在着地表异质性的问题,在不同空间分辨率的遥感数据上,即使我们利用相同的算法,所获取的地表参数之间也可能存在巨大的差异,这就需要利用空间尺度转换的方法来解决这个问题。本论文着重解决森林叶面积指数(LAI)的遥感空间信息尺度转换相关的问题。本论文的主要目标是利用较高分辨率遥感像元(ETM+)的陆地覆盖类型信息来发展LAI的空间尺度转换算法,研究成果针对粗分辨率LAI数据如MODIS或VEGETATION图像的LAI产品实现LAI算法的转换与校正。
研究区选择在贵州省黎平县,考虑到该区域植被覆盖率较高,并且包括了南方典型的针叶林与混交林,是中国南方的一个代表性林区,因而是森林LAI空间尺度转换研究的典型区域。本论文对于LAI的空间尺度转换研究是通过对由两种不同途径获取的960m分辨率的LAI图像进行比较和分析来实现的:一种是ETM+数据直接生成的LAI数据聚合(Aggregate)成的960米LAI数据,代表地面真实值:另一种是ETM+各植被指数直接采样生成的960m的粗分辨率植被指数数据来计算的LAI数据,近似MODIS或VEGETATION1公里的LAI产品。研究发现:集总式(粗分辨率数据)计算得出的LAI(LAIL)与分布式(较高分辨率数据)计算得出的LAI(LAID)之间存在巨大的差异,表明地表的异质性信息在区域或者全球LAI制图时不可忽略。鉴于此,本论文利用较高分辨率数据三种覆盖类型(针叶林,混交林,空旷地)的信息发展LAI转换算法验证校正集总式LAI的误差并进行分析与评价。
主要研究结果如下:(1)发展了基于子像元面积信息的算法来对粗分辨率数据的LAI进行空间尺度转换,获取了三种植被覆盖类型的LAI的空间尺度转换算法,研究表明:经尺度转换算法校正后的针叶林部分的LAIL与LAID(即假定真实的LAI)之间的相关性由R2=0.4971提高到R2=0.5725。校正后的混交林部分的LAIL与LAID之间的相关性由R2=0.2029提高到R2=0.5250。校正后的空旷地域部分的LAIL与LAID之间的相关性由R2=0.6471提高到R2=0.8395。而整个黎平县区域粗分辨率数据的LAIL经过转换校正后与LAID之间的相关性由R2=0.6826提高到R2=0.9582。
(2)利用决策树分类法把黎平地区ETM+遥感影像分为:针叶林,混交林,空旷地三大类并在该遥感分类图的基础上,利用野外实测手段与遥感影像处理方法相结合,通过统计回归的方法得出了研究区区域内针叶林,混交林的LAI算法,并且实现该区域30米分辨率的LAI制图。
(3)当在较高分辨率(ETM+30米)图像上的计算LAI-Ⅵ(植被指数)的线形算法用于粗分辨率(如MODIS或VEGETATION)图像计算LAI时候往往会出现偏差。而对于纯净的粗分辨率森林像元,线性算法不会导致误差。
(4)提出了遥感应用中空间尺度转换的重要性,表明了较高空间分辨率植被覆盖类型信息作为遥感图像中一个重要的内容结构参数(子像元),在实现地表参数LAI的空间信息尺度转换过程中起重大的作用。