论文部分内容阅读
湿地植被的叶面积(LAI)、生物量是描述湿地生态系统的重要基础数据,它们不仅是衡量湿地生态系统初级生产力的重要指标,同时还是描述湿地生态环境状况的重要指标。因此,获取湿地植被叶面积和生物量信息,对于全面掌握湿地植被的生长状况及其变化信息、探讨变化的驱动因子,分析评价湿地生态环境具有重要的现实意义。
本文以IRS_P6、TM和CBERS图像作为信息源,采用基于知识的分层分类方法,对洪河国家级自然保护区湿地植被类型进行了分类,并制作了保护区植被类型分布图。在分类过程中充分利用了P6图像的高空间分辨率和TM、CBERS图像的多光谱信息,以便更好地发挥多源遥感数据的优势。根据遥感影像分类图,分析了各植被类型的空间格局和空间分布特征。
利用TM影像提取的5种植被指数(NDVI、RVI、DVI、GVI和RDVI)和同期野外实测的湿地植被生理参数LAI、生物量数据,分析了洪河自然保护区草甸、沼泽植被、灌丛和岛状林4种湿地植被及样本总体的植被指数与生理参数之间的相关关系,建立了各植被指数与不同湿地植被类型生理参数间的线性和非线性回归模型,并制作完成了洪河自然保护区LAI和生物量的空间分布图。通过以上研究得出了以下结论:
1.利用多源遥感数据,采用基于知识的分层分类方法,对研究区进行植被类型尺度上的分类,可以取得较高的分类精度。
2.对于草甸植被而言,LAI和生物量的最佳估算模型是以GVI为自变量建立的非线性回归模型,其中乘幂模型是监测LAI的最佳模型,三次多项式模型是监测生物量的最佳模型;对于灌丛而言,以GVI为自变量建立的线性回归模型可用来监测植被的LAI;对于沼泽和岛状林而言,以RDVI为自变量建立的三次回归模型是反演植被生理参数的最优模型;样本总体LAI、生物量的最优估算模型分别是以DVI、RDVI为自变量建立的三次多项式方程。
3.样本总体的LAI和生物量估算效果不太理想,而将其分为草甸、灌丛、沼泽和岛状林分别进行植被生理参数的反演研究,植被指数与各植被类型的相关性和估算效果均有很大程度的提高。本文研究表明,结合地面实测数据并基于遥感植被分类的基础上,TM遥感影像可用于较大区域内湿地植被生理参数的反演研究。