基于Sentinel-2A影像估算黄土高原光合/非光合植被盖度

作     者：吕渡 刘宝元 何亮 张晓萍 程卓 贺洁 LÜ Du;LIU Bao-yuan;HE Liang;ZHANG Xiao-ping;CHENG Zhuo;HE Jie

作者机构：中国科学院水利部水土保持研究所陕西杨凌712100 中国科学院大学北京100049 西北农林科技大学水土保持研究所陕西杨凌712100 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 

出 版 物：《中国环境科学》 (China Environmental Science)

年 卷 期：2022年第42卷第9期

页      面：4323-4332页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 07[理学] 08[工学] 09[农学] 0903[农学-农业资源与环境] 0804[工学-仪器科学与技术] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 0713[理学-生态学] 

基　　金：国家自然科学基金资助项目(41877083) 

主　　题：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 

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(f_(PV))和f_(NPV).结果表明,在模拟混合场景下,4种NPVI与模拟f_(NPV)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,SWIR32_(BS)=0.99.模型对f_(PV)和f_(NPV)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f_(NPV),分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,f_(PV)从东南向西北不断增加而后减小,f_(NPV)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.