论文部分内容阅读
叶面积指数(LAI)反演对于陆地植被生物量估算、生态系统状态监测具有十分重要的意义。在中国西北部的干旱、半干旱地区,作物及荒漠植被的调查研究中,LAI反演都扮演着重要角色。高分辨率遥感影像的出现为高精度叶面积指数反演提供了可能。本研究利用野外观测数据对PROSAIL模型的输入参数进行了率定,以宁夏中卫绿洲的玉米、水稻、荒漠灌丛、草地为研究对象,分别探讨了这些植被反射率及LAI之间的关系,构建了不同的红光/近红外波段反射率-LAI查找表,对WorldView-3遥感影像进行了小区域叶面积指数反演,为高分辨率遥感影像的叶面积指数反演提供了方法参考。主要结论有:(1)输入参数率定是进行基于PROSAIL模型的LAI反演的首要步骤。PROSAIL模型的输入参数中有些无法获得或难以获得,由于这些参数对于模拟结果存在影响,所以通过参数率定过程来确定参数值更加客观,可有效提高叶面积指数的反演精度。(2)构建模拟数据集时可以对模型的不同参数分别制定输入方案。PROSAIL模型输入参数繁多,全部参与构建模拟数据集将导致模拟数据集维度过大,降低计算效率,并且红光、近红外波段反射率对于叶面积指数变化的响应随其增大而减弱。将敏感性较低的参数设置为固定值、筛选对红光及近红外波段反射率敏感的参数参与模拟数据集的构建、对叶面积指数的步长进行分段设置等措施均可有效提高计算效率。(3)在分析植被的反射率–LAI关系的基础上建立查找表从而实现叶面积指数反演。从缨帽三角关系而论,植被的反射率–LAI关系具有普遍性,不同植被的两者关系又具有差异性。充分理解各类植被的反射率-LAI关系有助于构建更有效的查找表,可以提高反演精度。使用实测数据对本研究中的查找表进行精度评价,玉米、水稻、荒漠灌丛、草地的叶面积指数查找表RMSE分别为0.47、0.43及0.51、0.53,农田叶面积指数反演精度略高于自然生长的荒漠植被。(4)使用WorldView-3遥感影像进行叶面积指数反演精度较高。WorldView-3遥感影像具有较高的空间分辨率,更加纯净的像元对叶面积指数的反演起到了积极的作用。在反演的过程中使用植被提取结果作为辅助数据,分类别进行叶面积指数反演,可以适当提高精度。