| 基于Sentinel-2A影像估算黄土高原光合/非光合植被盖度 |
| |
| 作者姓名： | 吕渡 刘宝元 何亮 张晓萍 程卓 贺洁 |
| |
| 作者单位： | 1. 中国科学院水利部水土保持研究所, 陕西 杨凌 712100;2. 中国科学院大学, 北京 100049;3. 西北农林科技大学水土保持研究所, 陕西 杨凌 712100;4. 北京师范大学地理科学学部, 地表过程与资源生态国家重点实验室, 北京 100875 |
| |
| 基金项目： | 国家自然科学基金资助项目(41877083) |
| |
| 摘 要： | 以黄土高原为例,基于Sentinel-2A影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)估算非光合植被盖度(fNPV)的有效性,并利用优化法确定线性光谱混合模型的关键参数端元值,估算研究区光合植被盖度(fPV)和fNPV.结果表明,在模拟混合场景下,4种NPVI与模拟fNPV线性关系的R2是0.365~0.750;在野外场景中,其相关性均有一定程度的降低,R2是0.147~0.211.研究构建NDVI-SWIR32像元三分模型,并确定了最优端元值:NDVIPV=0.80,SWIR32PV=0.60, NDVINPV=0.17,SWIR32NPV=0.77,NDVIBS=0.23,SWIR32BS=0.99.模型对fPV和fNPV估算精度R2分别是0.817和0.463,NSE分别是0.806和0.458.利用该模型估算全区2019年4、8和12月的平均fPV和fNPV,分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,fPV从东南向西北不断增加而后减小,fNPV与之相反. NDVI-SWIR32模型可以用于Sentinel-2A影像数据来监测黄土高原地区fPV和fNPV的时空动态变化.
|
| 关 键 词： | Sentinel-2A 光合植被盖度 非光合植被盖度 线性光谱混合模型 黄土高原 |
| 收稿时间： | 2022-02-08 |
|
| 点击此处可从《中国环境科学》浏览原始摘要信息 |
|
点击此处可从《中国环境科学》下载全文 |
|
