【学术汇报】锡林郭勒典型草原光合植被、非光合植被覆盖度估算课件

锡林郭勒典型草原光合植被、非光合植被覆盖度估算锡林郭勒典型草原光合植被、非光合植被覆盖度估算研究背景&内容报告提纲01研究区与数据02研究方法03研究结果04讨论05研究背景&内容报告提纲01研究区与数据02研究方法03研究结研究背景01草原生态系统是全球分布最广的陆地生态系统类型之一，占到全球陆地表面积的26%(Schinoetal.,2003)。近年来锡林郭勒草原出现明显的沙化退化、土壤侵蚀等现象，草原植被覆盖度和生物量显著下降。1.1

草原重要性研究背景01草原生态系统是全球分布最广的陆地生态系统类型之一研究背景01NPV:草原植被按照功能属性可以分为光合植被(PhotosyntheticVegetation,PV)和非光合植被(Non-photosyntheticVegetation,NPV)。其中NPV在自然界中是普遍存在的，主要指凋落物、作物茬、枯叶、枝干、茎等。1.2

非光合植被（NPV）生态系统功能NPV生态系统功能示意图研究背景01NPV:草原植被按照功能属性可以分为光合植被(P研究背景011.3

研究现状研究背景011.3研究现状研究背景011.4

研究内容1）验证多光谱DFI指数估算非光合植被的有效性2）分析构建NDVI-DFI像元三分模型的可行性3）利用像元三分模型估算典型草原的fPV、fNPV、fBS，并分析其季节性变化研究背景011.4研究内容1）验证多光谱DFI指数估算非研究区与数据022.1

研究区研究区与数据022.1研究区研究区与数据02MOD09GHK500m地表反射率每日产品MCD43A4500mBRDF反射率8天产品Sentinel-2MSI多光谱影像Landsat-8OLI多光谱影像野外实测数据2.2多源数据获取研究区与数据02MOD09GHK500m地表反射率每日产品研究方法033.1

实测数据实测端元光谱获取混合场景样方获取研究方法033.1实测数据实测端元光谱获取混合场景样方获研究方法033.2PV/NPV/BS端元光谱特征光谱特征光谱指数实测光谱端元提取研究方法033.2PV/NPV/BS端元光谱特征光谱特研究方法03Cao等人（2010）根据PV、NPV、BS在MODIS波段范围内的光谱特征提出了DFI指数：

NDVI指数(2)式中，B2、B1分别代表MODIS第2和第1波段。图4NPV/PV/BS平均光谱及不同传感器波段位置Fig.4ReflectancespectraofPV,NPVandBSendmember,andmainsensorbandpositionCaoetal.InternationalJournalofRemoteSensing,20103.3

光谱指数

DFI指数研究方法03Cao等人（2010）根据PV、NPV、BS在M研究方法033.4

NDVI-DFI像元三分模型式中，VM代表MODIS数据的NDVI，DM代表MODIS的DFI，代表百分比（%），fPV、fNPV和

fBS分别代表像元内相应组分所占的比例，NDVI—DFI像元三分模型假设像元由PV、NPV和BS三个组分组成，其NDVI和DFI指数符合线性关系（Guerschmanetal.2009）Guerschmanetal.RemoteSensingofEnvironment,2009研究方法033.4NDVI-DFI像元三分模型式中，VM研究方法033.4

NDVI-DFI像元三分模型研究方法033.4NDVI-DFI像元三分模型研究方法033.5端元特征值确定（模型参数）纯净像元指数法(PPI)：MOD09GHK作MNF变换，PPI计算,取特征空间图顶点纯净端元的平均指数值为端元特征值。实测法：实测PV、NPV、BS三个端元的光谱，确定端元特征值。2014年4月5日NDVI-DFI特征空间图研究方法033.5端元特征值确定（模型参数）纯净像元指数04研究结果4.1PV/NPV/BS端元光谱指数值实测端元光谱指数值影像端元光谱指数值PV、NPV、BS端元的光谱指数值具有其差异性，尤其是DFI指数值，具有明显的可分性。04研究结果4.1PV/NPV/BS端元光谱指数值实测044.2

DFI指数估算NPV的有效性（模拟混合场景—野外真实混合场景）基于线性混合原理构建NPVPVBS三端元线性混合模型，获得遥感像元尺度（模拟）上的光谱反射率：模拟混合场景光谱曲线研究结果044.2DFI指数估算NPV的有效性（模拟混合场景—野04研究结果4.2

DFI指数估算NPV的有效性（模拟混合场景—野外真实混合场景）模拟混合场景条件下不同光谱指数与fNPV的相关性野外混合场景条件下不同光谱指数与fNPV的相关性04研究结果4.2DFI指数估算NPV的有效性（模拟混合04研究结果4.3

构建NDVI-DFI像元三分模型可行性（NDVI-DFI特征空间图）模拟混合场景野外真实场景遥感影像NDVI-DFI特征空间04研究结果4.3构建NDVI-DFI像元三分模型可行性04研究结果4.4

fPV和fNPV的估算选取感兴趣区分析fPV和fNPV的季节性变化04研究结果4.4fPV和fNPV的估算选取感兴趣区分04研究结果4.5结论1）DFI指数具有对PV、NPV和BS的可分性，不同PV/NPV/BS的DFI指数有其差异性。2）不同混合场景条件下，DFI指数均与fNPV具有相关关系，DFI指数可以有效的表征fNPV。3）从NDVI-DFI特征空间图分析来看，具备构建像元三分模型的可行性。4）利用像元三分模型估算了西乌旗典型草原的fPV、fNPV、fBS，fPV、fNPV动态变化与牧草物候发育特征相吻合，可以进一步应用于长时间序列的锡林郭勒草原fPV和fNPV时空动态变化。04研究结果4.5结论1）DFI指数具有对PV、NP讨论055.1

面临的挑战&研究重点植被生态系统自身的复杂性，PV、NPV和BS错综复杂，相互重叠。DFI指数受到其他因素的影响（探讨这些因素的影响程度）NDVI-DFI像元三分模型的适用性以及估算精度影响（推广到其他区域）混合像元及尺度效应的影响（多源数据的协同）讨论055.1面临的挑战&研究重点植被生态系统自身的复杂锡林郭勒典型草原光合植被、非光合植被覆盖度估算锡林郭勒典型草原光合植被、非光合植被覆盖度估算研究背景&内容报告提纲01研究区与数据02研究方法03研究结果04讨论05研究背景&内容报告提纲01研究区与数据02研究方法03研究结研究背景01草原生态系统是全球分布最广的陆地生态系统类型之一，占到全球陆地表面积的26%(Schinoetal.,2003)。近年来锡林郭勒草原出现明显的沙化退化、土壤侵蚀等现象，草原植被覆盖度和生物量显著下降。1.1

草原重要性研究背景01草原生态系统是全球分布最广的陆地生态系统类型之一研究背景01NPV:草原植被按照功能属性可以分为光合植被(PhotosyntheticVegetation,PV)和非光合植被(Non-photosyntheticVegetation,NPV)。其中NPV在自然界中是普遍存在的，主要指凋落物、作物茬、枯叶、枝干、茎等。1.2

非光合植被（NPV）生态系统功能NPV生态系统功能示意图研究背景01NPV:草原植被按照功能属性可以分为光合植被(P研究背景011.3

研究现状研究背景011.3研究现状研究背景011.4

研究内容1）验证多光谱DFI指数估算非光合植被的有效性2）分析构建NDVI-DFI像元三分模型的可行性3）利用像元三分模型估算典型草原的fPV、fNPV、fBS，并分析其季节性变化研究背景011.4研究内容1）验证多光谱DFI指数估算非研究区与数据022.1

研究区研究区与数据022.1研究区研究区与数据02MOD09GHK500m地表反射率每日产品MCD43A4500mBRDF反射率8天产品Sentinel-2MSI多光谱影像Landsat-8OLI多光谱影像野外实测数据2.2多源数据获取研究区与数据02MOD09GHK500m地表反射率每日产品研究方法033.1

实测数据实测端元光谱获取混合场景样方获取研究方法033.1实测数据实测端元光谱获取混合场景样方获研究方法033.2PV/NPV/BS端元光谱特征光谱特征光谱指数实测光谱端元提取研究方法033.2PV/NPV/BS端元光谱特征光谱特研究方法03Cao等人（2010）根据PV、NPV、BS在MODIS波段范围内的光谱特征提出了DFI指数：

NDVI指数(2)式中，B2、B1分别代表MODIS第2和第1波段。图4NPV/PV/BS平均光谱及不同传感器波段位置Fig.4ReflectancespectraofPV,NPVandBSendmember,andmainsensorbandpositionCaoetal.InternationalJournalofRemoteSensing,20103.3

光谱指数

DFI指数研究方法03Cao等人（2010）根据PV、NPV、BS在M研究方法033.4

NDVI-DFI像元三分模型式中，VM代表MODIS数据的NDVI，DM代表MODIS的DFI，代表百分比（%），fPV、fNPV和

fBS分别代表像元内相应组分所占的比例，NDVI—DFI像元三分模型假设像元由PV、NPV和BS三个组分组成，其NDVI和DFI指数符合线性关系（Guerschmanetal.2009）Guerschmanetal.RemoteSensingofEnvironment,2009研究方法033.4NDVI-DFI像元三分模型式中，VM研究方法033.4

NDVI-DFI像元三分模型研究方法033.4NDVI-DFI像元三分模型研究方法033.5端元特征值确定（模型参数）纯净像元指数法(PPI)：MOD09GHK作MNF变换，PPI计算,取特征空间图顶点纯净端元的平均指数值为端元特征值。实测法：实测PV、NPV、BS三个端元的光谱，确定端元特征值。2014年4月5日NDVI-DFI特征空间图研究方法033.5端元特征值确定（模型参数）纯净像元指数04研究结果4.1PV/NPV/BS端元光谱指数值实测端元光谱指数值影像端元光谱指数值PV、NPV、BS端元的光谱指数值具有其差异性，尤其是DFI指数值，具有明显的可分性。04研究结果4.1PV/NPV/BS端元光谱指数值实测044.2

DFI指数估算NPV的有效性（模拟混合场景—野外真实混合场景）基于线性混合原理构建NPVPVBS三端元线性混合模型，获得遥感像元尺度（模拟）上的光谱反射率：模拟混合场景光谱曲线研究结果044.2DFI指数估算NPV的有效性（模拟混合场景—野04研究结果4.2

DFI指数估算NPV的有效性（模拟混合场景—野外真实混合场景）模拟混合场景条件下不同光谱指数与fNPV的相关性野外混合场景条件下不同光谱指数与fNPV的相关性04研究结果4.2DFI指数估算NPV的有效性（模拟混合04研究结果4.3

构建NDVI-DFI像元三分模型可行性（NDVI-DFI特征空间图）模拟混合场景野外真实场景遥感影像NDVI-DFI特征空间04研究结果4.3构建NDVI-DFI像元三分模型