高原濕地植被參數遙感定量反演及同化技術研究.pdf

1、高原濕地具有高、寒、干、植被種類單一且分布不均等特點，其生態(tài)系統(tǒng)十分脆弱，一旦遭到破壞，即會發(fā)生退化和逆向演替的現象。植被生長狀況是度量高原濕地生態(tài)環(huán)境質量的重要因素，而植被的生長狀況又可由植被參數（如葉面積指數）直接或間接地反映。因此，研究如何獲取高原濕地時空連續(xù)的植被參數，動態(tài)監(jiān)測高原濕地生態(tài)環(huán)境狀況，具有重要的科學價值與現實意義。
　　論文以我國青海省境內烏圖美仁大草原濕地為研究區(qū)，基于多源遙感衛(wèi)星影像數據和野外實地調查驗證

2、，以研究區(qū)植被葉面積指數為研究對象，利用遙感定量反演方法及同化技術對其在空間及時間上進行定量反演。最后，設計并實現了植被參數反演原型系統(tǒng)。論文主要研究工作及成果包括：
　　（1）基于ACRM模型及查找表算法，利用Landsat TM及MODIS遙感影像數據，對研究區(qū)2011年7月上旬及8月下旬植被葉面積指數進行反演。研究中針對高原植被非均勻分布及病態(tài)反演等問題，采用了模型參數敏感度分析、研究區(qū)植被分類及反演結果規(guī)則化處理等技術方法

3、。最后將葉面積指數野外實測值與反演值進行對比驗證，結果顯示：7月上旬實測值與反演值相關系數R2為0.82，均方根誤差RMSE為0.25；8月下旬實測值與反演值相關系數R2達0.95，均方根誤差RMSE為0.33，均表現出較高的反演精度。
　?。?）采用集合卡爾曼濾波算法，將基于ACRM模型及MODIS遙感影像反演獲取的葉面積指數同化進入動態(tài)模型。通過對動態(tài)模型狀態(tài)變量實時更新，模擬出研究區(qū)2011年全年葉面積指數在時間序列上的分布

4、情況。實驗中，針對研究區(qū)植被的特殊性及先驗知識的有限性，選用擬合的logistic模型代替復雜的植被生長模型作為同化流程中的動態(tài)模型。最后，將2011年7月上旬研究區(qū)植被葉面積指數實測值與同時期模擬值進行對比驗證，結果顯示：其相關系數R2為0.79，均方根誤差RMSE為0.30，表現出較好的同化效果。
　?。?）以植被參數反演模型及算法為基礎，設計并實現了植被參數反演原型系統(tǒng)。該原型系統(tǒng)能高效、準確地獲取與模擬草本類型植被重要參數