论文部分内容阅读
叶面积指数(LAI,LeafAreaIndex),作为表征植被冠层结构最基本的参量之一,是陆面过程研究中的一个十分重要的结构参数。它的季节变化性和空间异质性控制着陆表植被的许多生态物理过程,例如光合、呼吸、蒸腾、碳循环和降水截留等。LAI直接信息的获取依靠传统的地面仪器观测,费时费力且获取信息有限,不能满足陆面过程及相关研究中对区域范围LAI时-空格局分布信息的需求,卫星对地观测技术的发展为解决这一难题提供了唯一途径。
本研究利用我国北方黑河流域2002年9月间和2003年7、8月间野外观测得到的LAI数据与该地区准同时相的Landsat7ETM+遥感数据分析结果建立了统计分析模型,估算了黑河流域植被LAI的空间分布,并在此基础上探讨了30m空间分辨率ETM+LAI与1km分辨率MODISLAI的尺度转换问题,提出了用高空间分辨率的ETM+LAI校正低空间分辨率MODISLAI的方法,为提高MODISLAI数据产品的精度进行了有益的探索和尝试,取得了满意的结果。
本研究主要分成四大部分。论文首先介绍了LandsatETM+影像(2002年9月12日)的预处理过程,包括辐射校正和几何校正。其中辐射校正使用的是Zhang等(2001)提出的改进Gilbert等(1994)的、基于影像和数字高程模型(DEM)的初级均一化剔除地形影响的大气校正和地形校正方法,满足遥感影像信息提取对影像的质量要求。
第二部分着重于研究区的地表植被类型分类。利用野外地表覆盖观测资料和黑河流域1:25万的土壤图和土地利用图,使用监督分类方法对研究区域进行地表植被覆盖类型分类,分类结果基于站点的精度达到72.3%。
基于上述结果,第三部分着重于研究区基于LandsatETM+的LAI遥感估算和制图。文章在详尽的野外观测数据的基础上分别探究实测LAI与同时相植被Ⅰ指数(SR、NDVI、RSR、SAVI、ARVI)的相关关系,率定最佳的LAI遥感估算方案。研究表明,在研究区特定的干旱半干旱自然条件下,基于遥感分类图针对不同植被类型分别建立统计分析模型的估算方式最为可靠。基于该分析,选用ARVI作为农作物估算因子、SR作为针叶林的估算因子、RSR作为阔叶林和灌木的估算因子对整个研究区LAI进行了遥感估算和制图。
最后,利用前面得到的高分辨率ETM+LAI(30m)图层对低分辨率MODISLAI产品(1km)进行像元级别上LAI值的精度评估,检测由空间尺度变换引起的LAI值的偏差,并在此基础上进行了MODISLAI产品的校正。研究发现,传感器设置的不同和地表异质性是上述两种LAI图层值产生差异的主要原因。在允许传感器设置不同引起的系统误差存在的前提下,本文通过将地表异质性量化为像元的植被类型覆盖率,对因地表异质性导致的误差作了校正,取得了令人满意的结果,并且生成了黑河流域MODISLAI产品的校正图。