基于Landsat-8陆地成像仪与Sentinel-2多光谱成像仪传感器的香港近海海域叶绿素a浓度遥感反演

为验证Landsat-8陆地成像仪(operational land imager,OLI)遥感数据与Sentinel-2多光谱成像仪(multispectral imager,MSI)遥感数据监测近海海域叶绿素a浓度可行性,以其为数据源,香港近海海域为研究区域,以半分析模型为方法,挑选与监测点实测叶绿素a浓度采集时间一致且遥感影像云覆盖率小于10%影像清晰的两类遥感影像。对两类遥感影像分别选取2/3的遥感影像数据经预处理后提取其对应实测日期监测点位置遥感反射率进行相关性分析,得到相关性最高的反演因子进行建模,并且利用剩下的1/3数据对其反演回复回归模型进行精度检验,其结果与OCx Ocean Chlorophyll X模型反演结果进行对比效果显著。基于Landsat-8遥感数据建立的最佳反演回归半分析模型决定系数R^(2)为0.906,略高于基于Sentinel-2遥感数据建立的最佳反演回归半分析模型,其R^(2)为0.801。与此同时证明了就香港近海海域叶绿素a浓度反演两类遥感数据的可行性,且两类数据的反演结果均呈现出香港近海海域内部海域叶绿素a浓度高于外部叶绿素a浓度的现象。

结合Sentinel-2数据与光谱特征的稀疏非光合植被指数构建

非光合植被(NPV)在干旱半干旱区生态系统中扮演了重要角色,对了解植被碳循环过程起着至关重要的作用,同时掌握非光合植被定量信息对科学评估土地荒漠化程度以及荒漠化科学防治具有重要意义。本文以甘肃省民勤县为研究区,对高光谱仪采集NPV及研究区内其他端元光谱信息进行光谱分析,结合Sentinel-2 MSI影像构建提取稀疏NPV覆盖度信息的植被指数,实测NPV覆盖度作为精度验证数据,决定系数R2、均方根误差和显著性p值用于模型精度评价,结果发现:①通过原始光谱法、一阶导数变换法、倒数的对数法和连续统去除法进行光谱分析发现,连续统去除法处理获取的NPV光谱的包络线值较光合植被(PV)和裸地(BS)光谱包络线值特征差异明显;②通过绿光波段的包络线差值和短波红外波段的光谱反射率比值计算后,可以有效拉开NPV与PV和BS光谱特征值差距,从而实现NPV信息提取,得到表征NPV覆盖信息的新指数;③通过精度验证发现,新构建的NPV指数—包络线差值植被指数(Envelope Difference Vegetation Index,EDVI)优于参与比较分析的其他指数模型,与地面实测NPV覆盖度的相关性最好,R2为0.71,RMSE=0.0170,p<0.01,其次为4波段红边土壤调整归一化差异耕作指数(4-band Red Edge Soil Adjusted NDTI,S_NDTI4RE),当权值γ=0时R2为0.57,其他NPVIs回归模型估算稀疏NPV覆盖度精度较差。由此可见,通过光谱特征分析,本文构建EDVI指数模型可以有效实现NPV占有重要地位且覆盖度低的干旱与半干旱区大尺度NPV覆盖度的快速提取与监测。