基于Sentinel-2A影像估算黄土高原光合/非光合植被盖度

以黄土高原为例,基于Sentinel-2A影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)估算非光合植被盖度(fNPV)的有效性,并利用优化法确定线性光谱混合模型的关键参数端元值,估算研究区光合植被盖度(f_(PV))和f_(NPV).结果表明,在模拟混合场景下,4种NPVI与模拟f_(NPV)线性关系的R2是0.365~0.750;在野外场景中,其相关性均有一定程度的降低,R2是0.147~0.211.研究构建NDVI-SWIR32像元三分模型,并确定了最优端元值:NDVIPV=0.80,SWIR32PV=0.60,NDVINPV=0.17,SWIR32NPV=0.77,NDVIBS=0.23,SWIR32_(BS)=0.99.模型对f_(PV)和f_(NPV)估算精度R2分别是0.817和0.463,NSE分别是0.806和0.458.利用该模型估算全区2019年4、8和12月的平均fPV和f_(NPV),分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,f_(PV)从东南向西北不断增加而后减小,f_(NPV)与之相反.NDVI-SWIR32模型可以用于Sentinel-2A影像数据来监测黄土高原地区fPV和fNPV的时空动态变化.

不同生活型植物非光合部分反射光谱和盖度的关系

非光合植被(Non⁃photosynthetic Vegetation,NPV)既是陆地生态系统重要组成部分,也是全球C、N平衡分析中关键节点,其盖度是判断我国北方沙尘源区风沙活动强弱的重要指征。基于ASD光谱仪(Analytical Spectral Devices)所测地面高光谱数据对鄂尔多斯沙地草场不同生活型植物(草本、半灌木和灌木)NPV光谱特征进行了分析,构建了干枯燃料指数(Dead Fuel Index,DFI)、纤维素吸收指数(Cellulose Absorption Index,CAI)和NPV盖度(f_(NPV))应用模型,并使用MCD43A4数据在不同草原区进行了验证。结果表明:(1)草本、半灌木、灌木和总体混合NPV光谱反射率具有相似变化趋势,但反射值存在显著差异。(2)DFI和CAI、CAI和f_(NPV)、DFI和f_(NPV)均呈显著正相关关系(P<0.001),DFI可以代替CAI进行f_(NPV)的估算。(3)不同草原区f_(NPV)存在异质性,草甸草原、典型草原、沙地草场和荒漠草原分别为75.95%、50.61%、45.88%和32.77%。DFI在典型草原区估算f_(NPV)效果最好(f_(NPV1)和f_(NPV2)平均差值为3.11%,最小差值为0.03%)。在草原区进行f_(NPV)估算时,不可将NPV作为均质体处理,还要剔除裸地干扰。