[发明专利]一种适用于干旱区FVC估算的像元二分模型参数率定方法

说明书

本发明公开一种适用于干旱区FVC估算的像元二分模型参数率定方法，包括以下步骤：获取干旱区的亚米级空间分辨率遥感影像，并通过影像融合从亚米级空间分辨率遥感影像中提取植被覆盖像元；对亚米级空间分辨率植被覆盖像元重采样到待估计NDVI影像空间分辨率，生成待估计NDVI影像空间分辨率的植被覆盖率数据；对植被覆盖率数据进行平滑处理；统计植被覆盖率为100％和0％的像元，分别作为纯植被像元和裸土像元；根据纯植被像元和裸土像元的空间位置采集NDVI最大值合成数据，将纯植被像元和裸土像元分别所采集的NDVI数据中的最大值作为像元二分模型所需的NDVIveg和NDVIsoil。本发明的方法能够大大提高干旱区的植被覆盖率的估算精度。

技术领域

本发明涉及遥感定量反演技术领域，特别涉及一种适用于干旱区FVC估算的像元二分模型参数率定方法。

背景技术

植被覆盖率(FVC，Fraction of Vegetation Cover)是反应陆表植被覆盖情况的定量指标，与区域气候、土壤、地形以及地下水位等要素密切相关。陆表植被对全球变化的响应研究已经成为国际地圈生物圈计划的核心研究内容。对于大范围的植被覆盖率调查来说，遥感是不可替代的技术手段和主流方法，植被遥感已经成为了定量遥感研究的重要内容之一。遥感估算地表植被覆盖度是根据植被指数和植被覆盖度的显著相关特征，建立植被覆盖度与植被指数之间的转换关系，依此估算植被覆盖度信息。目前地表植被覆盖度遥感估算算法大体上可以归纳为4类：混合像元分解法、二分像元法、分解密度模型法和光谱梯度差法。这些方法从遥感机理上来说都是混合像元组份的分解；其中基于像元二分模型的MODIS植被覆盖率估算方法，由于模型简单、易实现，适用性较好，被广泛应用于区域尺度植被覆盖度计算。

但是，该方法的难点在于计算公式中NDVIveg，NDVIsoil参数阈值的确定。如果这两个参数设计的不好，直接影响到模型的精度，导致某些地方植被覆盖率被高估和低估。大量的研究表明，在西部干旱稀少植被区覆盖区，由于NDVI(Normalized DifferenceVegetation Index，归一化差分植被指数)的过饱和问题和模型参数的率定问题，对该模型的精度提出了严重的挑战，尤其是在稀疏植被的沙漠和戈壁地区模型结果存在了普遍高估。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种适用于干旱区FVC估算的像元二分模型参数率定方法，能够大大提高干旱区的植被覆盖率的估算精度。

为达到上述目的，本发明提出了一种适用于干旱区FVC估算的像元二分模型参数率定方法，包括以下步骤：获取所述干旱区的亚米级空间分辨率遥感影像，并通过影像融合从所述亚米级空间分辨率遥感影像中提取植被覆盖像元；对所述亚米级空间分辨率植被覆盖像元重采样到待估计NDVI影像空间分辨率，生成待估计NDVI影像空间分辨率的植被覆盖率数据，其中，所述待估计NDVI影像空间分辨率低于所述亚米级空间分辨率；对所述植被覆盖率数据进行平滑处理；统计植被覆盖率为100％和0％的像元，分别作为纯植被像元和裸土像元；根据纯植被像元和裸土像元的空间位置采集NDVI最大值合成数据，将纯植被像元和裸土像元分别所采集的NDVI数据中的最大值作为像元二分模型所需的NDVIveg和NDVIsoil。

根据本发明实施例的适用于干旱区FVC估算的像元二分模型参数率定方法，通过获取干旱区的较高分辨率的遥感影像，并通过影像融合从该遥感影像中提取植被覆盖像元，对该植被覆盖像元重采样到较低分辨率，生成较低分辨率的植被覆盖率数据，然后统计纯植被像元和裸土像元，并选择纯植被像元和裸土像元分别对应的NDVI数据中的最大值作为像元二分模型所需的NDVIveg和NDVIsoil，由此，有效抑制了受稀疏植被NDVI较高问题的影响，避免对植被覆盖率较低地区结果的高估，能够大大提高干旱区的植被覆盖率的估算精度。

另外，根据本发明上述实施例提出的适用于干旱区FVC估算的像元二分模型参数率定方法还可以具有如下附加的技术特征：