论文部分内容阅读
叶面积指数(leaf area index，LAI)是森林生态系统碳循环模型中的一个重要的输入参数，准确地获取叶面积指数的时空分布对提高碳循环模型的模拟精度具有重要意义。亚热带季风区由于其特殊的季风气候特征使得其在全球碳循环研究中占有重要地位。然而，目前国际上对亚热带季风区森林生态系统碳循环和叶面积指数反演的研究相对较少。本文以福建省为研究区，以IRS—P6、Landsat、CBERS等卫星图像为信息源，围绕主要森林叶面积指数遥感多尺度、高精度反演，开展遥感图像大气校正和地形校正的实用算法研究，在此基础上，进行季风区森林生态系统叶面积指数遥感反演模型和尺度转换方法研究。主要研究内容和结论如下：
1.将遥感技术和地面实测数据相结合建立福建主要森林叶面积指数遥感反演模型并进行叶面积指数尺度转换研究。
(1)首次建立了福建季风区竹林高精度LAI遥感反演模型。竹林是福建季风区森林的特色林种，在福建森林生态系统碳循环中占有重要地位。论文以永安为主要研究区，以竹林为重点研究对象，基于IRS P6 LISS3卫星数据和实测竹林叶面积指数数据，对各种常规LAI遥感反演方法进行了系统的对比、分析和评价，研究了新的LAI遥感反演方法(如多端元光谱混合分析法、标准化距离方法)对福建季风区竹林LAI反演的适用性。在此基础上，建立和确定了基于比值植被指数法的福建季风区竹林LAI遥感反演模型。
(2)对于本研究区的其它森林类型(杉木、马尾松和阔叶林)，基于植被指数法，通过比较各种植被指数，确定了适用于各森林类型的最佳LAI反演模型，并进行了研究区LAI遥感制图。
(3)为满足多尺度碳循环模型研究的需要，本文利用普适性的尺度转换模型—泰勒级数展开尺度转换模型，对研究区进行多尺度LAI反演研究，结果表明泰勒级数展开尺度转换模型可以很好地补偿尺度效应带来的误差，能够应用于研究区多尺度LAI反演。
2.进行遥感图像大气校正和地形校正实用算法研究。遥感图像大气校正和地形校正是实现叶面积指数遥感高精度反演的基础性工作。论文研究区域位于福建山区，传感器接收信号受大气和地形影响严重，对遥感图像进行大气校正和地形校正具有十分重要的意义，本文在前人工作的基础上研究遥感图像大气校正和地形校正实用算法及其对叶面积指数反演模型精度的影响：
(1)在遥感图像大气校正方面，在对DOS大气校正模型进行系统研究的基础上提出了一种新的MODIS数据和DOS模型耦合的遥感图像大气校正实用算法，该算法利用MODIS数据来较精确地获取大气气溶胶光学厚度和大气水蒸汽光学厚度。实测数据和间接检验均表明它能够取得较好的大气校正效果，同时该算法具有较强的实用性，能够适用于各种陆地卫星数据，而且MODIS数据每天都可以免费获取，因此它可以发展成一种业务化的大气校正方法，具有较广阔的应用前景。
(2)在地形校正算法方面，利用精度更高的天空散射辐射计算方法对Shepherd(2003)地形校正模型进行了改进。试验结果表明该改进的Shepherd地形校正模型的校正效果优于Shepherd和常用的C校正模型，而且该改进模型是一种物理模型，能够应用于各种光学遥感影像。
(3)本文在对遥感影像进行较精确大气校正和地形校正的基础上，详细对比分析了大气校正和地形校正对叶面积指数反演模型精度的影响，结果发现大气校正和地形校正对叶面积指数反演模型精度有显著的影响，大气校正和地形校正的综合作用能够有效提高叶面积指数反演模型的精度，是叶面积指数遥感定量反演前的两个重要预处理步骤，对相关研究具有一定的借鉴意义。