论文部分内容阅读
20世纪70年代以来,植被冠层反射率模型研究得以蓬勃发展,涌现出SAIL、GEOSAIL等众多经典的冠层反射率模型。基于这些经典模型的植被关键参数反演研究也在近20年中如火如荼地开展着,并广泛应用于农作物估产、生态环境监测与保护、自然灾害(干旱、火灾等)评估及预警、水文水资源管理等关乎国家安全、全球气候变化的重大需求中。但是,近年来植被冠层反射率建模研究进展缓慢;植被关键参数反演方面也一直主要集中在几个模型敏感参数(如叶面积指数、冠层含水量等)的反演,而重要但模型弱敏感的参数研究却鲜有踏足,导致理论研究与实际应用之间的落差越来越大。鉴于此,本论文站在前人对模型敏感参数成功反演的基础上,对模型弱敏感参数进行遥感定量反演研究,重点研究了模型弱敏感参数干物质重量(DMC)及其衍生的草地地上生物量(AGB)和冠层可燃物含水率(FMC)的反演理论与方法。AGB是区域碳循环研究中的重要一环,同时也是农作物估产的研究重点;FMC是描述植被点燃概率及火灾蔓延速率的关键指标因子,因此是众多火灾模型的关键输入参数。论文通过对这二者参数反演方法及应用研究,旨在构建一套适用于模型弱敏感参数反演的方法体系,同时拓展植被冠层反射率模型的应用范围,服务于农作物估产、区域生态安全、野火风险评估及预警、全球气候变化等领域。论文主要研究工作和成果如下:(1)分析植被冠层反射率模型及参数敏感性的基础上,提出了模型弱敏感参数遥感反演策略。论文指出模型弱敏感参数成功反演的关键在于增强弱敏感参数的敏感性,并提出五个弱敏感参数反演策略:基于高光谱数据的模型弱敏感参数反演;参数化模型敏感参数,提高模型弱敏感参数的敏感性;基于面向对象的模型弱敏感参数反演;基于多时相遥感数据的模型弱敏感参数反演;基于真实实测数据的模型弱敏感参数反演。(2)研究了缓解植被冠层反射率模型参数反演的病态问题,提出了基于贝叶斯网络算法的反演方法。病态反演问题会极大地降低模型敏感参数的反演精度,对模型弱敏感参数正确反演的影响更为强烈。为缓解这一问题,本论文以贝叶斯网络算法为基础,通过考虑模型参数之间固有的关联特性,构建了更符合自然界实际情况的自由参数先验联合概率分布,降低了错误自由参数组合出现的概率,缓解了病态反演问题,提高了叶面积指数(LAI)及植被冠层含水量的反演精度,为后续基于植被冠层反射率模型的草地AGB及植被冠层FMC反演奠定基础。(3)提出了一套新的反演草地AGB的方法,突破了传统基于实测统计拟合估算草地AGB的思路。该方法假设草地AGB可通过LAI与叶片干物质重量(DMC)的乘积近似表示。首先,基于PROSAIL模型对实验区草地LAI及DMC进行反演;同时通过考虑模型参数间的相关特性及融入MODIS LAI产品等方法提高草地AGB的敏感性,反演获得草地AGB。实验中以我国青海湖流域草地AGB反演为例,论证该方法的有效性;同时,实验中使用了植被指数法、偏最小二乘法(PLSR)、人工神经网络法(ANN)等三种传统经验估算草地AGB的方法进行对比分析。实验结果显示,使用本论文方法反演的草地AGB精度高于植被指数法及ANN,与PLSR精度不相上下,但本论文方法不依赖地面实测数据,因此比PLSR更具普适性,是具有前景的草地AGB反演方法。(4)构建了植被冠层FMC反演方法体系,包括基于区间估计LAI的草地冠层FMC遥感反演方法和基于耦合辐射传输模型的森林冠层FMC遥感反演方法。FMC是一个与LAI无关的量,但在基于物理模型的FMC反演中,LAI的不确定性对FMC的正确反演具有较强的干扰作用。为缓解这一问题,提高FMC的敏感性,实验结合MODIS LAI产品,利用降尺度及区间估计的LAI参数化模型LAI输入,以此降低LAI的不确定性,从而提高草地冠层FMC的反演精度。在森林冠层FMC的反演中,针对本研究区森林植被具上层乔木下层草本植被的特点,即双层冠层结构,实验通过耦合描述草地冠层反射率特征的SAIL模型及描述森林冠层反射率特征的GEOSAIL模型,近似模拟该双层冠层结构的森林植被反射率特征,降低模型系统误差对弱敏感参数FMC的影响,从而正确反演了森林冠层FMC。(5)构建了基于遥感技术的区域大尺度野火风险评估及预警雏形。论文以澳大利亚和四川西昌泸山为例,首先应用上述植被冠层FMC反演方法,进行植被冠层FMC定量反演,生产了 2001-2015年的澳大利亚15年的植被FMC产品。其次,基于该套产品,结合MODIS历史火灾产品(MCD64),应用Logistic模型计算得出澳大利亚2001-2015年燃烧指数(FI)产品,以此对野火风险进行评估及预警。通过澳大利亚历史上三次重大火灾(2003年堪培拉火灾、2009年维多利亚州火灾及2013年新南威尔士州火灾)爆发前植被冠层FMC及FI演变情况显示,该两套产品对野火风险具有较好指示作用,该工作对于今后全球植被冠层FMC产品化及野火风险评估应用推广具有重要的示范意义。