论文部分内容阅读
植被覆盖度是植被的直观量化指标,是衡量水土流失和土壤侵蚀的重要指标,对水土流失工作具有重要的指导意义。遥感技术可以实现地表植被的大区域快速监测,是植被覆盖度估测的有效方法。在中国南方地区,云雨天气是制约光学遥感技术应用的主要因素,而雷达遥感具有全天时、全天候的对地观测能力,十分适合中国南方地区的应用。本文旨在研究基于雷达遥感数据的植被覆盖度估测方法,解决南方多云雨天气数据难以获取的难题。同时用高分辨无人机影像和Worldview影像计算的植被覆盖度作为验证数据,有效解决了大范围研究区域的数据验证问题,克服了实测数据量小,验证点有限的困难。获取Radarsat-2全极化数据作为数据源,以福建省长汀县水土流失重点区域的植被为研究对象,利用全极化数据的极化信息和强度信息构建四种不同的雷达植被指数,结合像元二分模型估测植被覆盖度。并将估测结果重采样成五种尺度,分析不同雷达植被指数估测的植被覆盖度结果随尺度的变化规律。结合高分辨率航拍影像和考察数据以代替实测数据对估测结果进行验证分析。通过研究,提出了一种结合像元二分模型与雷达植被指数估测植被覆盖度的方法。主要结论如下:1)雷达影像的极化信息比强度信息估测植被覆盖度效果更好。分析了不同雷达植被指数在相同尺度下估测结果的相关性。在相同估测尺度下,基于极化分解方法的雷达植被指数RVIVan和RVIFreeman的估测结果与验证数据的相关性远高于基于RVIr和RVIσ这两种利用强度信息的雷达植被指数。即在植被覆盖度估测中,雷达影像的极化信息比强度信息更有优势。2)在不同估测尺度下,不同的雷达植被指数估测结果随尺度变化趋势不同。从利用极化信息和强度信息两个方面比较,基于极化信息估测的植被覆盖度,随着尺度的增加,估测结果相关性随之增大,且均方差减小,100m尺度下,基于RVIFreeman估测结果精度最高,R2=0.718。利用强度信息估测的植被覆盖度,没有明显的尺度规律,其最优估测结果不是最大的尺度。3)在不同估测尺度下,不同的雷达植被指数估测误差不同。估测的植被覆盖度误差值在小尺度的估测结果波动较大,随着尺度增加,RVIVan和RVIFreeman估测结果的误差值波动逐渐减小,到最大尺度时,误差绝对值不超过0.2,围绕0浮动。RVIr和RVIσ估测结果的误差值相对前两种指数,误差值整体较大,且其误差值并不随着尺度的增加而减小。其中RVIr在50m尺度时误差值最小,RVIσ在75m尺度时,误差值最小。4)对雷达图像估测植被覆盖度的估测尺度提出了建议。估测结果的高精度和高分辨率,两者只能选择其一,实际研究中,需要根据具体的要求选择合适的尺度,以达到研究的精度要求。本文研究结果中,基于RVIFreeman方法在100m尺度下,估测精度最高,在对研究尺度要求不高时,可以选择该尺度下的该植被指数进行植被覆盖度估测。当尺度要求较高时,可以选择研究尺度为12.5m时估测精度最高的RVIVan方法。根据实际研究中的不同应用要求,可以对两者进行权衡,选择合适的尺度和雷达植被指数以达到研究目的。研究结果表明,基于全极化雷达数据,采用本文提出的估测方法,可以较精确地估测植被覆盖度。光学数据难以获取时,用不受天气影响的雷达影像代替,将雷达影像与像元二分模型结合估测植被覆盖度,解决数据获取问题的同时,为植被覆盖度的定量提取找到了新方向。同时,估测的植被覆盖度数据,可以为水土流失治理工作提供辅助决策资料。