干旱区荒漠稀疏植被覆盖度提取及尺度扩展效应

选择线性混合像元分解模型、亚像元模型、最大三波段梯度差法模型以及修正的三波段梯度差法的2个变异模型来提取植被覆盖度,结合地面实测数据,探讨了提取干旱区荒漠稀疏植被覆盖度信息的适宜模型,并以简单平均法模拟了不同尺度的覆盖度影像,通过尺度上推检验了模型在MODIS尺度上的反演效应.结果表明:线性混合像元分解模型反演覆盖度的精度高于其他模型,适于稀疏植被地区,但端元的正确选取较难,从而影响其运用;亚像元分解模型是一个通用模型,植被分类图越精细,通过亚像元分解模型得到的覆盖度精度越高,但这也同时意味着该模型需要测定大量的输入参数;最大三波段梯度差法的算法简单、易于操作,其在农田等中高植被覆盖区及裸土区的预测值与实测值接近,但对干旱区稀疏植被的估计精度偏低;修正后的三波段最大梯度差法模型在稀疏植被覆盖区的预测值与实测值基本一致,在不同尺度上反演的覆盖度信息与实测值的一致性较好.该方法可有效提取干旱区低覆盖度植被信息.

极干旱区稀疏荒漠植被地上生物量遥感估算

以库姆塔格沙漠南部阿尔金山北麓山前戈壁区为研究区,借助无人机影像数据准确提取植被覆盖区;采用高空间分辨率WorldView-3数据的估算结果对中空间分辨率Landsat-OLI数据的估算结果进行修正;选取红光反射率波段(RED)、近红外反射率波段(NIR)、比值植被指数(RVI)、归一化植被指数(NDVI)和修正土壤调节植被指数(MSAVI)反射率波段作为遥感特征参数,采用逐步线性回归(SLR)、套索回归(LASSO)和岭回归(RR)模型分别对稀疏荒漠植被地上生物量进行估算。结果表明:(1)WorldView-3数据可准确刻画极干旱区稀疏荒漠植被的时空分布特征,其估算精度高于Landsat-OLI数据。(2)采用非线性的多元回归模型SLR、LASSO和RR构建遥感特征参数与地面样方数据之间的回归模型可以有效提高模型的稳定性。RR模型的回归效果优于SLR模型和LASSO模型。(3)提取稀疏荒漠植被信息时,采用WorldView-3数据的植被生物量估算结果对Landsat-OLI数据的植被地上生物量估算结果进行修正,可以有效提高Landsat-OLI数据的提取精度。

极端干旱区稀疏荒漠植被信息遥感探测研究

基于Landsat 5 TM遥感影像,以塔里木河下游断流区的荒漠河岸林为例,选取植被指数随植被覆盖度增加的反映速率、植被指数的取值范围变化、植被与背景信息的区分度三个指标,对NDVI、SAVI、MSAVI、GEMI、EVI 5种植被指数探测低覆盖度植被信息的能力进行对比分析。研究表明:根据三个指标的综合分析,GEMI指数是塔里木河下游断流区探测低覆盖度植被信息的最佳植被指数。