中文版 | English
Arid
旱区植被遥感信息提取与反演
叶静芸
出版年2017
学位类型博士
导师吴波
学位授予单位中国林业科学研究院
中文摘要在旱区,植被覆盖度和地上生物量等植被信息是植被生长状况评价与荒漠化监测的重要指标。遥感技术为植被信息提取提供了多波段及多时相的数据源。但是,由于旱区大部分地区分布的荒漠植被非常稀疏,传感器探测植被光谱信息的敏感度降低,因此,通用遥感模型在提取干旱区荒漠植被信息时失去其普适性;同时,受传感器分辨率限制,中低分辨率遥感影像像元中常混合有多种类型地表信息,混合像元问题导致荒漠植被信息提取困难,使稀疏荒漠植被覆盖度和地上生物量的反演存在很大的不确定性。针对这一问题,本文提出了一套适用于旱区荒漠植被的遥感信息提取与反演方法,以我国半干旱区、干旱区以及极干旱区为研究区,基于野外调查数据和多源遥感数据,采用回归模型方法对多个典型区以及不同类型旱区的植被地上生物量和覆盖度进行了反演与估算。主要研究结果与结论如下:(1)荒漠植被遥感信息提取与反演方法分为以下4个步骤:1)采用异速生长方程对地面样方内植被地上生物量进行估算;2)从高、中、低分辨率的遥感数据中提取与稀疏植被高度相关的遥感特征参数;3)对地面样方数据与遥感数据进行时间以及空间上的配准,采用线性、非线性回归模型方法构建各个典型研究区以及不同类型旱区荒漠植被的地上生物量与覆盖度估算模型;4)选取最优回归模型对影像覆盖范围的植被地上生物量与覆盖度进行估算,并利用高分辨率植被地上生物量和覆盖度估算结果对中低分辨率数据估算结果进行校正。(2)在毛乌素沙地、乌兰布和东北缘荒漠—绿洲过渡带和库姆塔格沙漠典型研究区,以高分辨率数据为遥感数据源,从中提取植被指数、纹理指数等遥感特征参数,基于地面样方数据建立回归模型。研究结果表明:基于高分辨率数据构建的荒漠植被地上生物量回归模型的R2均在0.8以上,构建与预测数据集的比值接近于1,估算效果较好。在库姆塔格沙漠研究区的阿尔金山戈壁荒漠研究区,采用分割法将地面样方分割为不同尺寸小样方,可以有效提高稀疏荒漠植被地上生物量模型的估算精度(R2???=0.98,RMSErel????????????=10.98%)。(3)在毛乌素沙地、青海共和盆地、乌兰布和沙漠东北缘荒漠—绿洲过渡带、民勤和库姆塔格沙漠典型研究区,以中分辨率数据为遥感数据源,基于地面样方数据建立回归模型。研究结果表明:半干旱区荒漠植被地上生物量最优回归模型的R2在0.8左右,RMSErel在28—50%之间;干旱区荒漠植被地上生物量最优回归模型的R2在0.5左右,RMSErel在51—65%之间;极干旱区荒漠植被最优地上生物量最优回归模型的R2???在0.4左右,RMSErel????????????在70%左右。(4)在毛乌素沙地和库姆塔格沙漠的阿尔金山前戈壁荒漠研究区,采用高分辨率数据作为地面数据与中分辨率数据之间的转换媒介,对中分辨率植被地上生物量数据进行校正,显著提高了植被地上生物量估算精度,并且在极干旱区效果更为显著。(5)将毛乌素沙地和共和盆地研究区的中分辨率地上生物量数据作为半干旱区低分辨率数据与地面样方数据之间的转换媒介,将民勤研究区的中分辨率地上生物量数据作为干旱区低分辨率数据与地面样方数据之间的转换媒介,将阿尔金山前戈壁荒漠地上生物量数据作为极干旱区低分辨率数据与地面样方数据之间的转换媒介,对旱区荒漠植被地上生物量进行了估算,提高了旱区地上生物量估算精度,对旱区2000-2016年的植被地上生物量和覆盖度的时空动态进行了初步分析。
中文关键词旱区 ; 地上生物量 ; 植被覆盖度 ; 荒漠植被 ; 稀疏植被
语种中文
国家中国
URLhttp://kns.cnki.net/kns/detail/detail.aspx?FileName=1017271651.nh&DbName=CDFD2017
来源机构中国林业科学研究院
资源类型学位论文
条目标识符http://119.78.100.177/qdio/handle/2XILL650/257543
推荐引用方式
GB/T 7714		 叶静芸. 旱区植被遥感信息提取与反演[D]. 中国林业科学研究院,2017.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[叶静芸]的文章
百度学术
百度学术中相似的文章
[叶静芸]的文章
必应学术
必应学术中相似的文章
[叶静芸]的文章
相关权益政策
暂无数据
收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。