论文部分内容阅读
植被覆盖度是刻画地表植被覆盖的重要参数，被用于水文、气候、植被产量、土地资源管理等领域，因此准确获取植被覆盖度意义重大。日喀则地区地处青藏高原地带，受低温环境条件的影响，高寒草原的生长季节较短，草群稀疏、低矮，生物产量明显较低，覆盖度低。同时经过野外对研究区的实地调查发现，高寒草原群落的植被覆盖度实测数据与遥感技术获取的结果有差异，精度不高。低覆盖度地区是潜在荒漠化区域。因此对该区域的植被覆盖度进行研究极具有科学价值。由于针对低覆盖度的遥感提取的研究较少，本研究诣在探索稀疏高寒草原的覆盖度提取，主要聚焦在两个方面，一是如何准确的提取高寒草原类型;二是如何选取模型和数据准确估算出植被覆盖度。本研究取得的主要成果如下: (1)通过野外多光谱相机实测和数码照相法估算，提取样方覆盖度，建立实测覆盖度和实测植被指数的回归模型。野外进行大量分散采集，实测不同盖度的高光谱数据，证实低盖度的样方的光谱仍具有正常植被所具有的明显特征但光谱较弱，进行植被指数特征应用具有意义。 (2)基于地表覆被分类的植被覆盖度提取方法，可有效剔除了非植被区域，较传统方法反演精度有很大提高。本研究选取Landsat8和Landsat7影像，通过决策树和神经网络分类法对研究区进行分类。其中决策树分类法是采用面向对象分类方法进行切割，基于影像的光谱特征，影像植被指数和高程等信息建立决策树。神经网络分类是基于ENVI软件选取样本，采用三层神经网络结构进行遥感分类，提取稀疏高寒草原。其中决策树法分类精度较高，达到85.3％。 (3)基于提取的高寒草原类型，选取基于野外实测盖度的像元二分模型、改进的三波段最大梯度差法和基于NDVI和SAVI指数的回归模型法，估算稀疏高寒草原的覆盖度。同时本文对比野外实测的样方覆盖度数据进行检验，评价最优提取方法。根据结果分析，研究区内稀疏高寒草原覆盖度的总体精度为81.57％，像元二分法效果较好。稀疏高寒草原的平均覆盖度为37.6％。