[发明专利]基于植被-土壤水分响应关系的植被盖度估算方法

说明书

技术领域

本发明总的来说涉及植被盖度，具体地说涉及基于植被-土壤水分响应关系估算植被盖度的方法。

背景技术

较早利用遥感数据估算植被盖度的模型是经验模型。一种经验模型是利用野外实测植被盖度与遥感信息建立线性或非线性的经验关系模型，然后将该模型应用到整个研究区域。此类经验模型都是简单地在地面实测数据与遥感数据之间建立一定的关系，将地面的实测数据简单地扩展到遥感信息的二维空间中。由于反射光谱的线性和非线性组合而形成的能反映绿色植被生长状况和分布的特征指数(植被指数)可以用来监测植物的各种生长参数，并且植被盖度与植被指数表现出显著的相关性。因此，近年大多数研究根据地表实测植被盖度与基于遥感影像不同波段构建的植被指数之间的显著相关性，建立另一种植被盖度与植被指数经验关系模型。样方尺度、关系模型的选择(线性模型与多项式模型)对于植被盖度经验模型精度产生影响较大。经验模型对特定区域的地表实测数据具有依赖性，当研究区尺度较小时，测量结果具有一定的精度；当研究区尺度较大时，精度就会大大降低。

可以用来动态监测植被生长状况的多时相遥感影像空间分辨率较低，图像中的一个像元可由多个组分构成，即存在混合像元，每个组分对传感器所获取的信息都有贡献，每个像元的遥感信息可以分解为多个组分，一个像元中所有组分通过线性和非线性组合，构成像元的遥感信息。因此，可以把每一像元信息进行线性或非线性分解，建立像元分解模型，并以此模型估算植被覆盖度。针对中低分辨率遥感数据发展了两类像元分解模型：对遥感影像的不同波段数据和基于不同波段构成的植被指数进行线性和非线性的混合分解。基于遥感数据不同波段的像元分解方法主要是光谱分解模型。线性和非线性光谱混合模型是利用一个线性或非线性关系表达遥感系统中一个像元内各地物的类型、比例与地物的光谱响应。像元在某一光谱波段的反射率是由构成像元的基本组分的反射率及其所占像元面积比例为权重系数的线性或非线性组合。与传统的分类方法相比，混合像元分解后，由不同地物类型组成的一个混合像元被分解成像元内各个组分，各个植被组分占像元的百分比即为每种植被类型盖度。可以看出，像元分解方法提高了用一般植被盖度估算方法估算植被盖度的精度。近年来在光谱分解模型的基础上，发展了利用植被指数的分解模型，应用较早的是亚像元分解模型，根据遥感影像像元的特点，分析亚像元结构的分布特征，针对不同的亚像元结构，建立不同的植被盖度模型。亚像元分解模型为大面积植被盖度的估算提供了一种有效的途径，基本能够满足大尺度生态及气候模型研究的要求，由于亚像元分解模型是在若干假设和近似下建立起来的模型，而植被指数与植被盖度、叶面指数之间又存在着较为复杂的关系，因此难以利用亚像元分解模型获得高精度的植被覆盖率

已有的植被盖度估测模型考虑了遥感影像对植被光谱特征的综合反映，通过对各像元植被类型及分布特征分析，建立不同的植被盖度模型，大部分模型只是建立光谱特性对植物响应的基础上，没有考虑气候因素或其他因素对植被盖度的影响，但由于受地表蒸发、植物蒸腾等因素的影响，土壤水分空间变异较大，将降水量作为分解模型的状态变量，降低了模型估算精度。土壤水分是地表土壤水分影响到植物和作物的生长，是监测土地退化的一个重要指标，是气候、水文、生态，农业等领域的主要参数，在地表与大气界面的水分和能量交换中起重要作用。土壤水分降低导致植物生长量明显减退。因此，本方法将土壤水分作为影响植被盖度因子之一，引入植被盖度的估算模型，提出一种新的线性分解模型(植被-土壤水分响应模型)，将土壤水分作为模型的状态变量，建立新的植被盖度分解模型，估测研究区不同植被类型的盖度。此模型考虑了多年植被变化对土壤水分的敏感性，克服了以前的光谱混合模型依靠经验获取训练数据集的缺点，并在一定程度上消除了大气、传感器等引起的噪声点影响。此分解模型不仅可以用来进行当前的植被盖度估算，而且可以用来模拟未来特定条件下的植被盖度。

发明内容

根据本发明，在Ts/NDVI特征空间的概念分析基础上，计算地表干燥度指数(TVDI)，结合NDVI和NDVI对TVDI敏感性，提出基于NDVI和NDVI对TVDI响应敏感性的植被-土壤水分响应盖度估测模型(Vegetation-soil Moisture Response Model，VSMRM)，从而估算像元内各植被类型组分的盖度。