新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法(改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法)的结果进行精度验证和对比分析。结果表明:MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之(R^2=0.74;RMSE=13.46),但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲-荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3nm/640.5nm波段组合的ARVI表现最佳,R2可达0.7294,均方根误差(RMSE)仅为5.5488。

基于高光谱混合像元分解的干旱地区稀疏植被覆盖度估测

以Hyperion高光谱影像为数据源,选取流沙、假戈壁(影像端元)及荒漠植被(实测光谱端元)3种端元,利用非受限及全受限的混合像元分解对甘肃省民勤绿洲-荒漠过渡带的稀疏植被覆盖度进行了估测.结果表明:全受限混合像元分解得到的荒漠植被分量准确地代表了地表真实稀疏植被覆盖情况,两者之间的偏差不超过5%、均方根误差RMSE为3.0681;而非受限的混合像元分解结果则明显小于地面实测植被覆盖度,两者之间虽具有一定相关性,但相关性不高(R2=0.5855);与McGwire等的相关研究相比,全受限混合像元分解对稀疏植被覆盖度的估测具有更高的精度及可靠性,具有广阔的应用前景.

基于盲源分离的稀疏植被区土壤含盐量反演

植被对土壤光谱的干扰是目前土壤盐渍化遥感监测的重要限制因素之一,探索消除稀疏植被覆盖区植被对光谱影响的方法,对提高土壤含盐量遥感反演精度具有重要意义。本文通过对189组不同植被覆盖度且不同盐渍化程度种植微区野外实测地表可见-近红外反射光谱进行分析,比较并评价了基于原始光谱和盲源分离(blind source separation,BSS)后光谱预测土壤含盐量的结果。结果表明:地表植被覆盖严重影响基于可见-近红外反射光谱的土壤含盐量反演精度。盲源分离方法,尤其是基于方程z=tanh(y)的独立分量分析(independent components analysis,ICA)算法,可有效分解植被和土壤的混合光谱,并提高植被覆盖下基于可见-近红外反射光谱的土壤含盐量反演精度。该方法为植被覆盖区大尺度土壤盐渍化遥感监测提供了方法指导。