高原濕地植被參數(shù)遙感定量反演及同化技術(shù)研究.pdf

1、高原濕地具有高、寒、干、植被種類單一且分布不均等特點(diǎn)，其生態(tài)系統(tǒng)十分脆弱，一旦遭到破壞，即會發(fā)生退化和逆向演替的現(xiàn)象。植被生長狀況是度量高原濕地生態(tài)環(huán)境質(zhì)量的重要因素，而植被的生長狀況又可由植被參數(shù)（如葉面積指數(shù)）直接或間接地反映。因此，研究如何獲取高原濕地時空連續(xù)的植被參數(shù)，動態(tài)監(jiān)測高原濕地生態(tài)環(huán)境狀況，具有重要的科學(xué)價值與現(xiàn)實(shí)意義。
　　論文以我國青海省境內(nèi)烏圖美仁大草原濕地為研究區(qū)，基于多源遙感衛(wèi)星影像數(shù)據(jù)和野外實(shí)地調(diào)查驗(yàn)證

2、，以研究區(qū)植被葉面積指數(shù)為研究對象，利用遙感定量反演方法及同化技術(shù)對其在空間及時間上進(jìn)行定量反演。最后，設(shè)計并實(shí)現(xiàn)了植被參數(shù)反演原型系統(tǒng)。論文主要研究工作及成果包括：
　?。?）基于ACRM模型及查找表算法，利用Landsat TM及MODIS遙感影像數(shù)據(jù)，對研究區(qū)2011年7月上旬及8月下旬植被葉面積指數(shù)進(jìn)行反演。研究中針對高原植被非均勻分布及病態(tài)反演等問題，采用了模型參數(shù)敏感度分析、研究區(qū)植被分類及反演結(jié)果規(guī)則化處理等技術(shù)方法

3、。最后將葉面積指數(shù)野外實(shí)測值與反演值進(jìn)行對比驗(yàn)證，結(jié)果顯示：7月上旬實(shí)測值與反演值相關(guān)系數(shù)R2為0.82，均方根誤差RMSE為0.25；8月下旬實(shí)測值與反演值相關(guān)系數(shù)R2達(dá)0.95，均方根誤差RMSE為0.33，均表現(xiàn)出較高的反演精度。
　?。?）采用集合卡爾曼濾波算法，將基于ACRM模型及MODIS遙感影像反演獲取的葉面積指數(shù)同化進(jìn)入動態(tài)模型。通過對動態(tài)模型狀態(tài)變量實(shí)時更新，模擬出研究區(qū)2011年全年葉面積指數(shù)在時間序列上的分布

4、情況。實(shí)驗(yàn)中，針對研究區(qū)植被的特殊性及先驗(yàn)知識的有限性，選用擬合的logistic模型代替復(fù)雜的植被生長模型作為同化流程中的動態(tài)模型。最后，將2011年7月上旬研究區(qū)植被葉面積指數(shù)實(shí)測值與同時期模擬值進(jìn)行對比驗(yàn)證，結(jié)果顯示：其相關(guān)系數(shù)R2為0.79，均方根誤差RMSE為0.30，表現(xiàn)出較好的同化效果。
　?。?）以植被參數(shù)反演模型及算法為基礎(chǔ)，設(shè)計并實(shí)現(xiàn)了植被參數(shù)反演原型系統(tǒng)。該原型系統(tǒng)能高效、準(zhǔn)確地獲取與模擬草本類型植被重要參數(shù)