论文部分内容阅读
随着全球化进程的不断深入,生物入侵造成了滨海/河口湿地生态系统中生物多样性的急剧丧失,监测和管理非本土植物分布状况急需重视。然而,仅依靠传统调查手段已经远远不能在景观尺度上研究入侵植物空间分布。幸而遥感技术的众多优点为解决这一问题提供了新的办法,在湿地植被研究中意义重大。同时,在考虑遥感监测入侵植物分布时,一个新的问题是如何选择合适的遥感数据源和图像处理方法,或者说,如何耦合不同的遥感数据,利用优势互补来解决遥感识别单一物种这一难题。因此,本研究应用地面高光谱数据(地物光谱数据)、高空间分辨率遥感数据(QuickBird)以及较高时间分辨率遥感数据(Landsat TM)在长江口湿地研究入侵植物互花米草的光谱特征以及它的空间分布。首先,应用地面高光谱分辨率数据研究分析一年中不同时间内植物的光谱特征差异,从而为较大尺度上选择空间遥感图像和算法提供依据。其次,本研究也探讨Landsat TM数据在亚像元尺度上区分不同种植被的效果,挖掘Landsat TM在入侵植被监测中的潜力。另外,应用高分辨率数据QuickBird对Landsat TM的分类结果做精度验证,也是对遥感数据优势互补的尝试。研究的主要结果表明:一、崇明东滩的三个优势种在一年中的反射光谱随物候不同而变化。在4月底5月初,和10月份芦苇与互花米草的光谱反射率有明显差别。U检验结果证明,该时间内两者的光谱反射率在绝大部分的波段上都有显著性差异;而在7月、8月和9月,芦苇与互花米草的反射光谱差异不大。不同的土壤背景对植被的光谱反射率有影响,特别是对较矮的植物或者植被处于较矮的生长期的植物影响很大。使用包络线去除处理,可以在一定程度上增大不同种植被间的光谱反射率差异,但是具有统计学差异的波段位置与处理之前的有所不同。二、QuickBird数据可以为Landsat TM光谱混合分析的分类结果提供很好的精度验证支撑,使用光谱混合分析(Spectral Mixture Analysis,SMA)在合适的季节监测植被可以获得较为令人满意的结果。光谱混合模型中包含不恰当的端元(Endmember)组合将会导致结果有较大的错误。光谱混合分析模型错误预测的区域主要是被水覆盖或临近的区域,在低潮带生长的较矮的植物的预测精度也不佳。说明潮水对模型的精度有很大的影响。