论文部分内容阅读
遥感技术的发展为草地快速、无损的动态监测提供可能,本文通过对2013-2014年内蒙古天然草地和人工草地生物量及其冠层光谱数据分析,通过概念模型和从350nm-1150 nm所有可能两两波段组合的归一化算法和简单比值算法进行波段选择,从而提取对生物量变化敏感的波段组合,通过线性和非线性回归分析进行生物量估算模型的建立,探讨不同优化算法计算的光谱指数在估算草地生物量时的鲁棒性。结果表明：(1)相比现有常用估算草地生物量的植被指数,优化光谱指数显著提高了生物量的预测能力,不存在现有基于红光位置植被指数存在的饱和性问题,并且优化光谱指数的波段组合随着草地类型和牧草品种的不同而不同,其波段组合包括蓝光、红光、红边位置和近红外位置。现有植被指数与草地生物量的相关性随着草地类型和生长时期的变化而变化(R2=0.00-0.77),优化光谱指数克服了基于红光的光谱指数在高生物量条件下的饱和问题。(2)包含绿光和红边位置的优化光谱指数CI(Chlorophyll index).包含蓝光和红边位置的优化光谱指数NDSI(Normalized difference spectral index)和蓝光和红边位置简单比值植被指数RSI(Simple spectral index)目比现有植被指数都表现出与生物量较好的相关性(R2=0.36-0.80),其中波段组合为(R696-R652)/(R696+R652)的NDSI相比CI和RSI与所有生物量表现出较高的相关性决定系数R2=0.79,且其建立模型的预测值与实测值之间的关系相比CI(R2=0.76,均方根误差RMSE=954,平均相对误差RE=52.0%)和RSI(R2=0.80,RMSE=926,RE=35.8%)具有最小的偏差(R2=0.77,RMSE=756,RE=37.1％),故选取其建立的非线性二次回归方程y=23288.0x2+16116.0x+422.2为估算本实验生物量的最优生物量模型。(3)NDSI更适合不同草地类型、不同生长时期、不同冠层盖度等复杂环境草地生物量的估算,它提高了光谱指数与生物量之间的相关性,对生物量变化更敏感,不存在饱和问题,所建模型能够用于估算复杂环境下的草地生物量,这不仅为本试验区根据遥感估算草地生物量提供了准确的生物量估算模型,也为遥感植被指数的理论研究提供了更深入的理论基础。