论文部分内容阅读
植被生物量是反映生态系统环境的重要指标之一。传统的生物量估算方法存在耗时、破坏性强、难以实现大区域和多时相观测等问题。遥感技术的发展,使得区域生物量的多时空尺度估算成为可能。目前,遥感生物量估算主要侧重于森林等灌木物种的研究,而以草本植物为主要物种的高原湿地作为一种典型的脆弱生态系统,其植被生物量研究对于生态脆弱区生态环境动态变化监测与预警具有重要的科学意义和应用价值。本文利用统计学的回归模型,结合光学遥感数据,建立了研究区的植被地上生物量遥感估算模型。选取不同空间分辨率的光学遥感数据作为生物量遥感估算模型的数据源,对比分析不同空间分辨率数据估算的生物量,实现生物量遥感估算的尺度转换。采用均值法,建立了高空间分辨率遥感数据(Landsat TM)向低空间分辨率遥感数据(MODIS)的尺度转换方法,利用转换后的生物量结果对低空间分辨率遥感数据(MODIS)估算的生物量进行校正采用柴达木盆地乌图美仁大草原湿地2011年8月20日的TM数据及同年225天的MODIS产品,较深入地分析了生物量估算模型各主要参数和生物量的空间分布及时间变化特征,将本文的生物量估算结果与2010年9月野外测量数据、2011年8月野外测量预留站点数据估算的生物量结果进行了比较和验证,主要研究成果及结论如下：(1)充分分析研究区获取遥感参数的相关性,用主成分回归替代多元线性回归模型的参数,解决参数间多重共线性对模型的影响。适合研究区多元线性回归模型的参数有：归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)及增强型植被指数(EVI)及由生物物理模型反演的叶面积指数(LAI)。(2)TM数据估算研究区生物量构建的多元线性回归模型的R2为0.887,F值为23.584,sig检验值为0.000。通过预留点误差检验,估算值和实测值的拟合性很好,R2达到0.966；MODIS产品(250米空间分辨率)估算生物量方法是以EVI作为解释变量的一元线性回归模型,该模型的决定系数为0.826,F值为15.734,双尾检验值为0.000,通过估算值与实测值的对比,模型满足需求。(3)利用不同空间分辨率的遥感数据源时,结合研究区的实际情况,构建不同的遥感估算方法,并通过尺度上推方法,将不同空间分辨率的生物量结果进行区域整合,最终构建研究区生物量的时空变化特征。(4)为验证估算模型有有效性,课题组于2010年9月和2011年6月、8月对研究区生物量进行了实地抽样调查。