论文部分内容阅读
叶面积指数是陆面过程中的一个十分重要的结构参数，是表征植被冠层结构最基本的参量之一，它控制着植被的许多生物、物理过程，也为植被冠层表面最初能量交换提供结构化定量信息；卫星遥感技术的飞速发展为陆面模型的研究提供了大量数据，为其发展创造了有利的条件，传统的LAI地面测量获得的信息有限，而且不能呈面状分布，卫星遥感是大区域研究LAI数据获取的有效手段。MOIDSLAI产品时间空间分辨率比较高，算法原理有坚实的理论基础，同时有质量控制文件说明精度，便于不同研究领域使用。本文以MODISLAI数据为对象，研究遥感数据应用于陆面模式的可行性和方法。
本文首先对MODISLAI产品进行验证，了解叶面积指数产品精度，分析产品误差原因以及特征，为产品优化提供依据，也为其他研究领域研究和使用MODISLAI数据的工作者提供参考。
MODISLAI数据有数据缺失问题，本文以MODISLAI数据优化为目标，在分析了MODISLAI数据以及QC数据误差规律的基础上，在使用时间—空间滤波方法处理MODISLAI数据过程中，利用QC文件判断误差数据，提高滤波精度，得到时间空间连续的LAI数据，在此数据基础上，对时间空间滤波法没有检测到的误差及滤波过程产生的新误差再使用迭代滤波法进行滤波，剔除数据中剧烈波动的噪音点，在保持输入数据总体不变的前提下，得到变化规律符合自然植被生长规律的LAI数据，最后将优化后的MODISLAI数据应用于CoLM陆面模型中，分析MODISLAI数据在陆面模型中引用的可行性。
在LAI验证过程中将MODISLAI反演算法模型应用于TM图像，得到高分辨率的LAI专题图，进行升尺度转换，然后与MODISLAI图像比较。这样可以充分利用每一个地面实测点的信息，又可以减小实测数据的随机误差带来的影响，还能避免用经验公式得到验证结果的不具有代表性的弊端。验证的结果是MODISLAI数据在低值区反演结果高于实测值，高值区低于实测值。
QC文件对LAI数据质量的标示，对于MODISLAI数据用户有很重要的作用，对LAI验证的过程中分析QC值与LAI误差点的关系，并对QC对LAI数据精度描述的准确性进行检验。QC数据存在7.47‰的误差，其中算法对出现饱和问题的像元反演结果的精度报告存在4.59‰的误差。
应用基于植被生长规律的时间—空间滤波方法，对MODISLAI产品进行滤波，能够得到精度较高的时间空间连续数据，滤波过程中合理利用QC文件，对误差值判断准确，计算误差点的拟合值时，充分利用数据的时间空间信息，提高滤波精度。
基于Savitzky-Golay滤波原理的迭代滤波法，对时间空间连续的LAI数据滤波过程中，首先计算植被生长趋势线，用趋势线的值代替误差点值，滤波结果能够保持输入数据整体不变的前提下，噪音点的拟合值尽量接近数据变化趋势线，生成高质量的LAI数据。
将优化后的MODISLAI数据替代原来用CoLM经验算法生成的LAI值，分析MODISLAI数据应用于CoLM模型，对模型输出结果的影响。