论文部分内容阅读
植被覆盖度是对生态系统进行描述的重要数据,在全球生态系统环境中占有着非常重要的地位。本文将青海湖流域作为研究区域,应用现代卫星遥感技术,GPS大地测量技术结合鱼眼影像技术获取地面实测植被覆盖度数据,应用多遥感平台,多分辨率以及不同成像机理的主、被动卫星遥感数据。基于不同植被指数的计算和分析,建立了统计回归模型,像元二分模型以及高分辨率影像与低分辨率影像协同反演植被覆盖度的模型,选出在该地区进行植被覆盖度反演的最佳模型和最佳植被指数。本文经分析对比得出以下结论:1.对三种光学遥感数据建立植被覆盖度统计回归模型,结果与实测值均有良好的相关性。其中,高分辨率影像GF-1和中分辨率影像Landsat8反演的最佳植被指数是GEMI,低分辨率影像MODIS反演的最佳植被指数是EVI。2.基于主动遥感雷达数据Radarsat2,进行Radarsat2的植被覆盖度统计回归模型,其中对数回归模型的相关性R最高,为0.4900。相比于被动遥感数据的植被覆盖度统计回归模型,主动遥感数据Radarsat2的相关系数略低。所以,单一雷达数据不合适在该地区进行植被覆盖度的反演。3.不同分辨率被动遥感数据建立统计回归模型时,都有比较好的反演效果。但总体上,GF-1数据的反演精度最高,其相关系数R为0.8455。4.利用归一化植被指数的像元二分模型对青海湖流域的植被覆盖度进行反演。其中,基于MODIS像元二分模型进行FVC的估算,其相关系数为0.6104;为了提高模型精度,选择在更高分辨率的Landsat8数据中提取像元二分模型中的NDVIsoil和NDVIveg参数,代入像元二分模型的公式进行植被覆盖度的估算,其相关系数为0.7054。5.在项目实施的过程中不得不考虑成本和影像时效性的问题,将时间分辨率较高的MODIS数据和空间分辨率较高的GF-1数据进行协同反演,所得的植被覆盖度反演模型反演效果最佳,其相关系数为0.7948。