干旱地區(qū)稀疏植被覆蓋度高光譜遙感定量反演研究.pdf

1、準(zhǔn)確掌握干旱地區(qū)的稀疏植被覆蓋度是評(píng)價(jià)干旱地區(qū)荒漠化危害程度的基礎(chǔ)工作，可為科學(xué)防沙治沙決策的制定提供有效的技術(shù)支持。植被覆蓋度獲取的傳統(tǒng)方法為地面測(cè)量法，該方法僅適用于小尺度植被覆蓋度調(diào)查，費(fèi)時(shí)、費(fèi)力，局限性較大。遙感技術(shù)的發(fā)展為植被覆蓋度獲取提供了新的技術(shù)手段，尤其是為大范圍地區(qū)植被覆蓋度的快速、準(zhǔn)確獲取提供了可能。然而，受干旱地區(qū)特殊性的影響，利用遙感技術(shù)精確反演干旱地區(qū)植被覆蓋度仍面臨著以下幾大困難：（1）最為主要的是干旱地區(qū)植

2、被覆蓋稀疏，像元內(nèi)的植被對(duì)像元平均反射率的貢獻(xiàn)較小，而且由于干旱地區(qū)的土壤有機(jī)質(zhì)含量較低，干旱地區(qū)土壤通常顏色較亮，且礦物含量空間異質(zhì)性較強(qiáng)，裸露的、變化的土壤表面對(duì)像元光譜變化的貢獻(xiàn)較大，這些因素使得植被在像元中的光譜貢獻(xiàn)易于被掩蓋；（2）干旱地區(qū)開(kāi)放的植被冠層及明亮的土壤導(dǎo)致明顯的多重散射與非線(xiàn)性混合；（3）干旱地區(qū)植被的光譜特征與濕潤(rùn)條件下的綠色植被不盡相同，較為突出的是紅邊特征不明顯。因此，如何提高遙感探測(cè)干旱地區(qū)稀疏植被覆蓋度

3、的能力一直是干旱地區(qū)植被遙感所面臨的最嚴(yán)峻挑戰(zhàn)。
　　高光譜遙感是20世紀(jì)最后兩個(gè)十年中人類(lèi)在對(duì)地觀測(cè)方面所取得的重大技術(shù)突破之一，是當(dāng)前遙感技術(shù)的前沿，其利用很多狹窄的電磁波波段(一般波段寬度<10nm)從感興趣物體獲取有關(guān)數(shù)據(jù)，能產(chǎn)生一條完整而連續(xù)的光譜曲線(xiàn)，具有常用多光譜遙感無(wú)法比擬的優(yōu)勢(shì)。然而，受高光譜數(shù)據(jù)獲取能力的桎梏，大尺度植被覆蓋度高光譜定量反演方法并沒(méi)有得到深入的研究及推廣，對(duì)干旱地區(qū)稀疏植被覆蓋度的相關(guān)研究更是少

4、之又少。星載高光譜數(shù)據(jù)的民用化從源頭上解決了數(shù)據(jù)獲取的問(wèn)題，因而系統(tǒng)、深入地研究干旱地區(qū)稀疏植被覆蓋度高光譜定量反演方法，充分挖掘高光譜遙感的潛力，成功擴(kuò)展高光譜遙感應(yīng)用領(lǐng)域的工作迫在眉睫。
　　鑒此，本研究以星載高光譜影像Hyperion為數(shù)據(jù)源，選取典型干旱區(qū)甘肅省民勤綠洲—荒漠過(guò)渡帶為研究區(qū)，針對(duì)干旱地區(qū)稀疏植被覆蓋度（<40％）的定量反演，深入地探討了植被指數(shù)、回歸模型法及混合像元分解法反演稀疏植被覆蓋度的能力，全面系統(tǒng)地

5、研究了基于星載高光譜數(shù)據(jù)的稀疏植被覆蓋度反演方法，并對(duì)不同方法的結(jié)果進(jìn)行了比較分析。研究結(jié)果表明：
　　（1）高光譜植被指數(shù)探測(cè)稀疏植被能力明顯優(yōu)于相應(yīng)寬波段植被指數(shù)，基于Hyperion數(shù)據(jù)特定窄波段（833.3/640.5nm）的抗大氣植被指數(shù)（ARVI）探測(cè)稀疏植被覆蓋表現(xiàn)最佳，線(xiàn)性回歸模型的判定系數(shù)R2可達(dá)0.7294，交叉驗(yàn)證RMSE為5.5488；
　?。?）偏最小二乘回歸法、人工神經(jīng)網(wǎng)絡(luò)法反演稀疏植被覆蓋度的潛

6、力較大。偏最小二乘回歸模型中以基于176個(gè)波段原始反射率的偏最小二乘回歸模型表現(xiàn)最佳，驗(yàn)證樣本驗(yàn)證RMSE為3.8197，約為驗(yàn)證樣本平均覆蓋度的19%。人工神經(jīng)網(wǎng)絡(luò)模型中，以精簡(jiǎn)、不相關(guān)卻又包含原始影像絕大部分有用信息的主成分為輸入的神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)最好，驗(yàn)證樣本驗(yàn)證RMSE為3.2806，約為驗(yàn)證樣本平均覆蓋度的16%；
　?。?）基于荒漠植被、假戈壁及流沙三端元的全受限混合像元分解得到的荒漠植被分量與樣地實(shí)測(cè)植被覆蓋度吻合程

7、度較高，兩者高度相關(guān)（R2為0.9141），29個(gè)樣地的偏離均不超過(guò)5%，RMSE僅為3.0681，約為所有樣地植被覆蓋度均值的22%；
　?。?）混合像元分解法不需要野外樣地?cái)?shù)據(jù)，可推廣性最強(qiáng)，精度相對(duì)來(lái)說(shuō)也最高，因而該方法是干旱地區(qū)稀疏植被覆蓋度反演的最佳方法，表現(xiàn)優(yōu)于植被指數(shù)法及回歸模型法。植被指數(shù)法精度相對(duì)最低，但是其形式簡(jiǎn)單，推廣起來(lái)只需要回歸實(shí)測(cè)植被覆蓋度數(shù)據(jù)與最佳植被指數(shù)即可?；貧w模型法精度介于兩者之間，可推廣性相對(duì)