渾善達克沙地光合-非光合植被覆蓋度估測方法研究.pdf

1、光合/非光合植被(Photosynthetic/Non-photosynthetic Vegetation，PV/NPV)作為渾善達克沙地地表植被覆蓋的兩種主要形態(tài)，在截流降雨、防沙固土、地表物質能量循環(huán)及土壤養(yǎng)分保持等方面扮演著非常重要的角色。及時準確地對其光合/非光合植被覆蓋度(Fractional Coverage of Photosynthetic/Non-photosynthetic Vegetation，CPV/ CNPV)

2、進行估算對了解沙地植被退化/恢復趨勢、開展生態(tài)工程治理成效評價具有重要意義，而對PV/NPV及裸土(Bared Soil，BS)光譜混合機理的分析則是實現(xiàn)其CPV和CNPV精準估算的基本前提。
　　因此，本研究以渾善達克沙地為研究區(qū)，首先通過野外實測構建覆蓋研究區(qū)典型地物類型的PV/NPV及BS端元光譜庫;然后利用Hyperion高光譜數(shù)據(jù)結合地面實測數(shù)據(jù)，分別嘗試采用線性/非線性光譜混合模型(Linear/Non-linear

3、Spectral Mixture Model，LSMM/NSMM)對渾善達克沙地PV/NPV及BS之間的光譜混合形成機理進行了探索，以期尋求適宜其CPV與CNPV估算的最佳光譜混合模型;在此基礎上，最后分別以GF1和Landsat8影像為數(shù)據(jù)源，采用固定和可變兩種端元選取策略對渾善達克沙地典型實驗區(qū)正藍旗CPV和CNPV進行了估算，并以地面實測數(shù)據(jù)對估算結果進行了驗證。主要得到以下結論:
　　(1)對于渾善達克沙地來說，基于PV/

4、NPV及BS的LSMM可以實現(xiàn)CPV與CNPV的較好估算，CPV估算的RMSE為0.12(R2=0.84)，CNPV估算的RMSE為0.13(R2=0.66);考慮多重散射影響的NSMM無論在模型分解精度還是在CPV與CNPV估算精度上均沒有明顯提升，其中各端元之間的多重散射作用對CPV估算精度的影響不大，但會導致CNPV估算精度的明顯降低。
　　(2)不同端元選取方法會對估算結果產生一定影響，可變端元選取方法較固定端元選取方法來

5、說在CPV和CNPV估算精度上有所提升。通過基于GF1和Landsat8數(shù)據(jù)的正藍旗CPV和CNPV估算結果可以看出，采用可變端元選取方法的多端元光譜混合分析(MultipleEndmember Spectral Mixture Analysis，MESMA)和全自動蒙特卡洛分解(Automaticed MonteCarlo Unmixing，Auto MCU)較采用固定端元選取方法的全受限LSMM來說，精度有所提升。其中，對于GF1數(shù)

6、據(jù)來說，全受限LSMM CPV估算的RMSE為0.1163(R2=0.72)，CNPV估算的RMSE為0.1352(R2=0.71)，MESMA CPV估算的RMSE為0.1002(R2=0.83)，CNPV估算的RMSE為0.0778(R2=0.74)，Auto MCU CPV估算的RMSE為0.1066(R2=0.80)，CNPV估算的RMSE為0.0607(R2=0.77);對于Landsat8數(shù)據(jù)來說，全受限LSMM CPV估算

7、的RMSE為0.1415(R2=0.74)，CNPV估算的RMSE為0.1378(R2=0.73)，MESMA CPV估算的RMSE為0.1208(R2=0.80)，CNPV估算的RMSE為0.1173(R2=0.79)，Auto MCU CPV估算的RMSE為0.1001(R2=0.82)，CNPV估算的RMSE為0.0629(R2=0.76)。
　　(3)通過與Landsat8數(shù)據(jù)的對比可知，GF1數(shù)據(jù)能夠得到較高的CPV和C