论文部分内容阅读
地表覆盖变化一直是生态学研究的热点之一。在全球变化的背景下,深入了解并挖掘地表覆盖变化过程无疑具有重要意义。虽然传统的生态学研究可以获得与地表覆盖变化相关的信息,但受人力、经费等资源的限制,传统的实验分析常局限于小区域范围内。卫星遥感数据可以直接获取全球范围地表反射率的实测数据。其中宽视场角卫星获得的时间序列数据具有幅宽大、重返周期短等特点,并且数据融合了时间、空间、光谱等多种类型的信息,为我们全面了解包括地表覆盖特征在内的生态系统属性提供了一个契机。实现这一目标的途径就是挖掘时间序列数据的特征。然而时间序列数据并不是为了生态学研究而开发的遥感数据,其性质与生态学研究的需求并不完全契合,在实际生态学分析中也遇到各种类型的难题。因此本文以时间序列数据为基础,结合生态学研究的特点,从不同的侧面出发,深入挖掘时间序列数据的特征,针对其在生态学应用过程中存在的问题进行分析,并提出相应的改进或解决方案,以期提升遥感时间序列数据的分析效率,使其能更有效地应用于生态学研究中。本文得到的主要结论如下:(1)以往的时间序列数据分析方法常从数学的角度入手分析时间序列数据特征,但现有分析条件并不能确定最优的分析方法,因此本文首先提出了从生态学的角度改进地表覆盖特征识别的方法。为了模拟具有不同生长状况的生态系统,文中选用了五种植被盖度和受干扰模式上存在差异的地物类型进行分析。在提取表征地表覆盖特征参数的过程中,本文以植物的持续性生长为切入点来识别地表物候期,并通过模拟一种高光谱识别红边位置的方法改进了参数识别的算法。通过此方法同时提取了表征植被物候的参数以及表征植被盖度的参数,结果表明,改进后的方法可以识别物候和植被盖度不同的生态系统生长模式,通过此方法提取的参数也可用于地表分类,并能体现出草本与木本植物、常绿和落叶植物的生长差异。(2)其次本文以时间序列数据为例,分析了研究的空间范围大小对分析地表覆盖特征的影响。文中选用了区块编号为h26v04的一景MODIS影像进行分析,以像素数目的多少代表研究区域的大小。此景影像含有IGBP分类体系11种自然地物类型中的8种,各地物类型包含的像素数目最少为634个、最多为1,734,460个。通过随机抽样(重复十万次)分析了当样本像素数目发生变化时,遥感数据所呈现的特征是否会发生变化。结果表明,对于应用遥感数据的生态学研究来说,大空间范围的研究并不是必需的,使用相对较少的像素(<100个)即可呈现大区域地表覆盖的特征。而且这一结果不因分析年份、分析的地物类型、提取的参数性质等因素的变化而变化。这意味着在进行与地表覆盖相关的研究时,可以有针对性的在小区域范围内先进行实验,将地面实测数据和遥感分析结果整合,通过分析两者之间的联系,为大范围、全面分析地表覆盖的特征建立基础。(3)此后本文分析了时间序列数据的时间分辨率对地表覆盖特征提取的影响,并以噪声为切入点,综合时间序列数据的质量和生态学分析的流程两部分对此问题进行分析。文中的噪声主要指由于云层覆盖和积雪阻碍了遥感传感器及时获取地表植被信息。由于气候差异,在不同的区域中,这两类噪声的出现频率并不相同。本文选择了受噪声干扰明显的两个区域中的五种地物类型进行分析。文中采用的时间序列数据合成策略与MOD09系列产品采用的策略相似,即根据原始数据的质控描述合成具有不同时间分辨率的时间序列数据。结果表明,时间序列数据的数据质量随时间分辨率的变化而变化,当时间分辨率为10-11天时合成数据的质量最好。随后文章结合生态学中分析时间序列数据的典型步骤(包括研究目标、研究区域的噪声模式、以及数据去噪方法),进一步分析了满足实际应用的时间分辨率范围。分析发现,现有时间序列数据采用的8天和10天的数据合成策略可以满足大多数生态学研究所需,并可被用于分析地表覆盖特征。(4)最后本文探讨了在分析地表特征的过程中,时间序列数据的应用是否会引起误差。分析以地表物候研究为例,结果发现,仅用地表物候数据并不能完整反映地表覆盖的变化,并且如果数据使用不正确,还可能会引起误导。