论文部分内容阅读
可见光，近红外遥感具有快速、准确、大范围监测的优点，目前已成为秸秆覆盖度估算的主要方法，其中基于遥感影像数据提出的多种光谱指数已经得到广泛应用。虽然有些光谱指数能在一定程度上降低土壤背景因素对秸秆覆盖度估算的影响，但是用于区域监测时，由于土壤质地、有机质和水分等因素差异较大，仍然会导致秸秆覆盖度估算的不确定性增加;而且这几种因素往往同时存在，会对秸秆覆盖度的估算产生共同影响。因而，研究消除多种土壤因素影响的方法具有重要意义。 本论文利用外部参数正交化方法(External Parameter Orthogonalisation，EPO)，设计了依次消除和统一消除两种应用策略，消除土壤背景对秸秆覆盖度遥感估算的影响。首先，基于室内光谱实验分析了土壤质地、有机质和水分三种关键因素对小麦秸秆覆盖度估算的影响;其次，利用模拟的土壤-秸秆混合光谱，对比分析了依次消除和统一消除两种EPO应用策略，探究其消除土壤因素影响的效果;最后，基于野外实验和影像数据，对EPO方法进行了验证。主要研究结果如下: (1)随着土壤黏粒含量增加，土壤的归一化差异耕作指数(Normalized DifferenceTillage Index，NDTI)呈上升趋势，纤维素吸收指数(Cellulose Absorption Index，CAI)呈下降趋势;随着有机质含量增加，土壤的木质素-纤维素吸收指数(Lignin CelluloseAbsorption，LCA)和CAI指数总体呈上升趋势;随着水分含量增加，土壤的CAI和LCA指数均呈上升趋势。由此可见，土壤质地、有机质和水分均对遥感光谱指数产生影响，进而影响小麦秸秆覆盖度的估算精度。 (2)针对模拟的土壤-秸秆混合光谱，采用EPO依次消除和统一消除策略，均可有效消除土壤背景对小麦秸秆覆盖度估算的影响;统一消除策略校正效果的稳定性优于依次消除策略，且基于少量土壤样品构建投影矩阵即可达到较优的消除效果。因此，当用于区域监测时，建议采用EPO统一消除策略消除土壤因素影响。 (3)针对模拟的Landsat-8 OLI数据，应用EPO统一消除策略后，除NDI21、NDI41和NDI51指数外，其他光谱指数均提高了小麦秸秆覆盖度的估算精度，以NDI32指数为例，模型估算的R2c由0.24提高到0.48，R2v由0.09提高到0.67。针对Landsat-8 OLI影像数据的结果表明，除NDI67、NDI53、NDI63、NDI54、NDI64和NDI41指数外，其他光谱指数的估算精度均得到提高，以NDI52指数为例，模型估算R2c由0.24提高到0.38，R2v由0.10提高到0.42。由大部分光谱指数的校正效果可以表明，采用Landsat-8OLI影像进行秸秆覆盖度估算时，EPO方法能够有效消除土壤因素的影响，进而提高估算精度。