论文部分内容阅读
陆地生态系统是人类赖于生存与可持续发展的生命支持系统，全球环境变化对陆地生态系统产生了严重影响，全球气候变化已经引起了各国政府与社会各界的极大关注。植被是陆地生态系统的主体，影响着能量平衡、气候、水文和生化循环，同时又受到气候、水文以及生化等因素的制约，因此，植被活动可以作为气候和人文因素对环境影响的敏感指标。植被指数是对地表植被活动的简单、有效和经验的度量，可以通过植被指数来指示陆地植被覆盖的变化。在较多的植被指数中，NDVI能够准确地反映植被绿度、光合作用强度，植被代谢强度及其季节和年际变化，有较好的时相和空间适应性，应用最为广泛。 由于技术条件的限制，一个传感器很难同时具有高空间分辨率和高时间分辨率。然而，在高分辨率尺度上监测地表景观季节性变化的能力是全球的迫切需要，融合周期短、覆盖范围大与分辨率高、周期长的遥感数据是一种较好的方法。本文基于AVHRR时间分辨率高和TM空间分辨率高及其数据积累时间长的特点，选择若尔盖高原为研究区域，在改进ESTARFM方法的基础上，对TM NDVI和AVHRR NDVI进行融合，构建高时空分辨率的NDVI数据集。 论文的主要内容包括以下几个方面:(1)高原上长期有云雪，每半月（16天）的合成不能完全去除云雪的影响，因此采用S-G滤波对AVHRR NDVI数据和MODIS NDVI数据进行去噪声处理，提高数据源的质量。(2)本研究选取ESTARFM方法，并根据研究的实际状况对其进行改进;采用改进后的ESTARFM方法，将高重访率低空间分辨率AVHRR GIMMS NDVI数据与重访周期较长的高空间分辨率TM NDVI数据进行融合，获取同时较高时间分辨率和较高空间分辨率的数据，构建高时空分辨率的数据集。(3)采用MODIS NDVI作为真值对所获取的高分辨率数据进行验证和分析，空间上的分析主要从从视觉、散点图和统计直方图三个方面判断其空间信息和时间信息是否提高，时间上的分析主要是在实验区内选择典型的植被类型，分析其NDVI时间过程与植被生长规律的一致性。 通过研究，本论文的如下几点主要结论:(1)本研究基于ESTARFM算法改进，实验区全年每半月（每月前15天和后14～16天）缺失的1km高分辨率数据的预测，预测结果能在1k尺度上反应空间分布差异的细节，在时间上表现出明显的韵律性，能够反映植被的季节性变化。(2)与MODIS NDVI产品对比分析发现，预测高分辨率NDVI与MODIS NDVI产品相关系数较好，相关系数达到了0.8以上，且两者之间的差值平均值、标准偏差均较低，预测NDVI值域分布集中，成功包含了高分辨率数据的空间信息;研究区内典型地物样点的NDVI时间过程与试验区内相应土地覆被类型的植被绿度变化相一致，所构建数据集的时间过程合理。 综上所述，该方法能够在时间上保留了高时间分辨率数据的时间变化信息，在空间上反应了高空间分辨率数据的空间差异信息，从而为有效构建相对高分辨率时间序列NDVI数据集提供了有效可能的方法工具。