论文部分内容阅读
随着遥感技术的应用发展,遥感领域进入了更大范围、更高精度、更深层次的应用阶段。在喀斯特地形破碎与生态脆弱等复杂条件下,迫切需要高时空分辨率的植被覆盖度等数据来支撑植被动态、石漠化综合防治等相关研究。由于技术和预算的限制,单一传感器难以获取同时满足高空间分辨率和高时间分辨率的数据。针对贵州喀斯特地区由于持久性云覆盖、云阴影和其他方面的原因导致部分Landsat数据缺失问题,MODIS数据空间分辨率较低不适合小尺度应用等问题,以及喀斯特地区石漠化等研究中对于高空间、高时间分辨率植被覆盖度数据的需求,以喀斯特地区为研究区,基于Landsat数据与MODIS数据对比研究STARFM、ESTARFM、FSDAF三种时空融合方法在喀斯特地区的适用性,应用适用于研究区白甫河流域的时空融合方法和Savitzky-Golay滤波算法重构白甫河流域1988-2018年长时间序列的NDVI数据集、反演长时间序列高空间分辨率的植被覆盖度数据集,并从定性和定量的角度分析1988-2018年白甫河流域植被覆盖动态变化特征及驱动因素,从而得出以下结论:1.ESTARFM方法和FSDAF方法得到的融合影像空间细节最为清晰,层次性更明显,STARFM模型的结果影像较为模糊,层次性较差,失去部分空间细节,且存在斑块化现象。STARFM、ESTARFM、FSDAF三种时空融合方法生成的Blue、Green、Red、NIR、NDVI等五个波段整体上为ESTARFM方法和FSDAF方法相较于STARFM方法得到更高的R和SSIM,更小的RMSE,且三种时空融合方法的反向融合精度高于正向融合精度。ESTARFM方法和FSDAF方法较STARFM方法在研究区的适用能力较好。FSDAF模型只需输入一对初始数据对,使用灵活,对于在因云覆盖难以获取初始数据对的地区应用具有一定优势。2.Savitzky-Golay滤波算法处理后的NDVI数据对于原始NDVI数据具有较高的保真性。在已有数据的基础上,经过去云处理、地表反射率时空融合和Savitzky-Golay滤波,可以实现因持久性云覆盖、云阴影和其他方面的原因等导致部分Landsat系列数据缺失的地区构建Landsat时间序列数据集。3.Savitzky-Golay滤波算法能够有效的保留研究区植被覆盖度原始时序曲线的有效信息,消除原始数据中的噪声影响。1988年-2018年白甫河流域整体植被覆盖度变化呈显著增加的趋势,平均植被覆盖度由1988年的0.516增加到2018年的0.699,增速为0.0079,增幅达52.4%,线性增长趋势呈显著水平。1988年至2018年高植被覆盖区和中高植被覆盖区面积分别增长163.93%、6.95%;中等植被覆盖区、中低植被覆盖区和低植被覆盖区面积分别减少47.71%、65.44%和46.43%。白甫河流域内植被覆盖度呈现改善和退化并存,改善面积大于退化,植被发展整体呈现良性进化趋势。流域内植被覆盖度变化受退耕还林、建设活动等人类活动影响为主,与气温和降水的相关性不明显。