荒漠草原不同叶型草地群落冠层光谱尺度效应及叶面积指数反演

Leaf Area Index (LAI) is a basic parameter to describe the geometrical structure of vegetation canopy, and also an important input parameter for climate models, land-atmosphere interaction model. Grassland, which is one of the most extensive distributions of vegetation types in the world, plays a very important role in the global carbon cycle. It’s important significance for inversion LAI of grassland using remote sensing. There are approximately 4 hundreds million ha natural grassland in China, and 22.6% of them are desert steppe. Desert steppe vegetation is sparse, so the soil background affects scale effect problem is more outstanding, and vegetation characteristics are obvious different, and the accuracy of remote sensing inversion of grassland LAI is seriously affected. Unmanned aerial vehicle(UAV) hyperspectral images technology brings a new research means for the study of such problems above. This study is started from the leaf morphology and canopy characteristics; and 4 kinds of typical plant communities were identified; respectively, remote sensing observation field is set up, and artificial cutting are taken in sample plot ; UAV-based hyperspectral imager is used to make hyperspectral imaging, and recognize the typical vegetation communities in remote sensing ; it analyzes the differences in the spectral curve and spectral parameters of the different morphological characteristics, and reveals changing rules in canopy reflectance of vegetation and soil system in desert steppe at different spatial scales; constructs spectral mixture model by herbaceous canopy and bare soil, and then combines with Scattering by Arbitrarily Inclined Leaves (PROSAIL) model to complete the LAI inversion of grassland on the ground through UAV-based hyper-spectral imaging technique.

叶面积指数(LAI)是描述植被冠层几何结构的最基本参数，也是气候模型、地-气相互作用等模型的重要输入参数，作为全球重要植被类型之一的草地LAI遥感反演具有重要意义。在我国近4亿公顷草地中有22.6%为荒漠草原。荒漠草原植被稀疏，冠层特征差异明显，受土壤背景的影响，尺度效应问题更为突出，严重影响着草地LAI遥感反演的精度，高光谱成像技术为研究此问题带来了新的研究手段。本研究从叶片形态、冠层结构入手，确定了4种典型植物群落，分别设置遥感观测场，并对样地进行人工刈割模拟不同覆盖状况，采用无人机载高光谱成像系统进行成像，结合植被参数调查，开展典型植被群落遥感识别，分析不同形态叶片构成的植被冠层光谱特征规律及其形成机理，揭示荒漠草原植被-土壤分量在不同空间尺度上光谱特征的变化规律，构建由草本冠层和裸土组成的光谱混合模型，再与PROSAIL模型结合，实现基于机载高光谱成像的草地LAI反演。

叶面积指数（LAI）是描述植被冠层几何结构的最基本参数，也是气候模型、地-气相互作用等模型的重要输入参数，作为全球重要植被类型之一的草地，在全球碳循环中具有重要作用和地位，准确开展大尺度的草地LAI遥感反演具有重要意义。然而，草地冠层物种丰富度高、结构复杂，物种个体在叶片和冠层尺度上均存在着较大的差异性，为LAI的遥感反演工作带来较强的不确定性。高光谱成像数据以其丰富的谱段信息，能够获取植被冠层的大量参数信息，为研究此问题带来了新的研究手段。本研究在对荒漠草原典型植物群落多样性及优势种性状动态特征进行深入观测的基础上，从叶片形态、冠层结构入手，选取典型植被群落分别设置遥感观测场，采用无人机载高光谱成像系统进行成像，结合植被参数调查，开展典型植被群落遥感识别，分析不同形态叶片构成的植被冠层光谱特征规律及其形成机理。在叶片尺度上，将各物种的实测参数代入PROSPECT模型，获取了不同物种的模拟光谱，运用欧式距离和光谱角距离两个参数分别从反射率数值和曲线几何形态两个方面，评价了叶片尺度的可分性，表明不同物种叶片的光谱特征总体差异显著，但差异程度不同。在冠层尺度上，利用PROSAIL模型，对各物种在不同LAI下的冠层光谱进行了模拟，结果显示，各物种冠层的光谱特征随着LAI的增加，其区分度总体呈增强趋势，但在不同LAI下的差异性程度不同；提出了基于无人机高光谱数据，依据植被指数分级多次提取草地物种端元光谱的方法；分别运用完全约束最小二乘法（FCLS）和多端元线性混合光谱分解法（MESMA）2类丰度估算方法，基于高光谱数据对研究区进行了草地冠层物种识别与丰度估算；基于PROSAIL模型，分物种构建查找表，利用光谱角和欧式距离结合作为光谱匹配算法，开展顾及草地冠层物种丰度的LAI反演研究，并开展精度评价与误差分析。将草地冠层LAI遥感反演建立在草地冠层物种丰度估算的基础上，进行模型参数优化与约束，以期提高复杂物种构成的草地LAI反演精度的研究思路，具有一定的理论创新性。

内容获取失败，请点击重试