论文部分内容阅读
荒漠草原生物量的准确监测对合理利用干旱半干旱地区荒漠草地资源具有极为重要的意义。草地生物量获取的传统方法为实地测量法，但仅适用于小尺度研究，费时、费力，且局限性较大。遥感技术的发展为草地生物量获取提供了新的技术手段，尤其是为大范围草地生物量的快速、准确获取提供了可能。
然而，利用遥感技术开展荒漠草原生物量监测面临着一些困难:(1)荒漠草原植被稀疏，土壤背景对植被冠层光谱的影响特别明显，绿色植被对像元反射率的贡献较小，绿色植被在像元中的光谱贡献易于被掩盖，同时开放的植被冠层及明亮的土壤导致明显的多重散射与非线性混合。因此，如何提高遥感探测荒漠草原绿色生物量的能力是草地遥感面临的困难之一;(2)荒漠草原植被稀疏，地物混合光谱成像过程复杂，基于传统的纹理参数尺度转换方法，无法准确描述不同空间尺度地表绿色植被特征的空间关系、分布格局、破碎程度等，基于传统的纯像元分解尺度转换方法，不易获取绿色植被纯像元等参数。因此，如何实现荒漠草原绿色生物量的空间尺度转换是草地遥感面临的困难之一;(3)荒漠草原分布在干旱半干旱的草原区，降水稀少、蒸发强烈、干燥多风，非绿色生物量的监测对水土保持、防风固沙及火险评估等具有重要意义。然而，当前利用遥感技术探测草地植被非绿色生物量的理论与方法少有报道，更无模式可循。因此，如何利用遥感技术探测荒漠草原非绿色生物量是草地遥感面临的困难之一。
为此，本论文以地面高光谱数据、星载多光谱影像Landsat-5TM及MODIS为数据源，选取内蒙古锡林郭勒盟苏尼特左旗境内的荒漠草原为研究对象，全面系统地探讨了不同方法反演荒漠草原稀疏植被绿色生物量与非绿色生物量的能力，主要结果如下:
(1)提出了估算稀疏植被绿色生物量的高光谱指数—红边反射率曲线面积。其对荒漠草原绿色生物量的估算精度显著优于传统的植被指数、红边位置及光谱吸收特征指数方法，在一定程度上弥补了现有遥感方法估算干旱半干旱地区稀疏植被绿色生物量的不足。红边反射率曲线面积方法同样适用于Hyperion等星载/机载高光谱遥感数据源。
(2)干旱半干旱地区荒漠草原稀疏植被的光谱特征与湿润条件下绿色植被的光谱特征有所不同，最为突出的就是红边特征不明显。利用红边位置方法探测荒漠草原稀疏植被绿色生物量信息是不可行的。
(3)基于连续统去除技术的4种光谱吸收特征指数中，波段深度指数具有相对较好的探测荒漠草原绿色生物量的能力，归一化波段深度比、归一化波段深度指数及波段深度面积归一化等3种光谱吸收特征指数并不适合用于反演荒漠草原绿色生物量。
(4)RVI、NDVI、SAVI、MSAVI及ARVI5种宽波段植被指数中，NDVI反演荒漠草原绿色生物量的表现最佳。与RVI与NDVI相比，去除土壤背景的SAVI与MSAVI估算荒漠草原绿色生物量的能力不但没有提升，反而更差于前者。高光谱窄波段植被指数探测荒漠草原稀疏植被绿色生物量的能力优于宽波段植被指数。
(5)发展了荒漠草原绿色生物量遥感反演的空间尺度转换算法。针对250mMODISNDVI反演的荒漠草原绿色生物量向1kmMODISNDVI反演的绿色生物量建立的空间尺度转换模型具有较好的应用效果。与尺度转换前相比，经尺度转换后的集总式生物量与分布式生物量线性回归的决定系数提高，均方根误差与相关误差减小。尺度转换前集总式生物量与分布式生物量的回归拟合线与1(∶)1线具有显著性差异，尺度转换后的回归拟合线与1(∶)1线没有显著性差异。
(6)被广泛应用于非绿色植被覆盖度估算的CAI指数，同样可以准确地估算荒漠草原稀疏植被非绿色生物量。
(7)构建了估算荒漠草原非绿色生物量的MODIS指数，即与基于地面ASD高光谱数据的CAI指数高度相关的(MODIS2-MODIS5)/(MODIS2+MODIS5)与(MODIS6-MODIS7)/(MODIS6+MODIS7)指数组合，其估算荒漠草原非绿色生物量的精度远好于已有基于TM数据的NDI、SACRI及MSACRI多光谱指数。
(8)多光谱指数NDI、SACRI及MSACRI是在非绿色植物与裸土两种组分存在的条件下发展起来的，由于在绿色植物、非绿色植物与裸土都存在的自然状态下受到绿色植物光谱信息的干扰，NDI、SACRI及MSACRI指数不适合用于提取荒漠草原非绿色生物量信息。
综上所述，本论文实现了基于多源遥感数据的干旱半干旱地区荒漠草原稀疏植被绿色生物量与非绿色生物量的高精度定量反演，充分挖掘了卫星遥感技术在荒漠草原调查与监测中的应用潜力，成功扩展了草地遥感的应用领域，形成了可推广的基于星载/机载多光谱/高光谱数据的干旱半干旱地区荒漠草原稀疏植被绿色生物量与非绿色生物量高精度定量反演模式。