中国环境科学

作者：吕渡, 刘宝元, 何亮, 张晓萍, 程卓, 贺洁

单位：1. 中国科学院水利部水土保持研究所, 陕西 杨凌 712100;2. 中国科学院大学, 北京 100049;3. 西北农林科技大学水土保持研究所, 陕西 杨凌 712100;4. 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

关键词：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

基金：国家自然科学基金资助项目(41877083)

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(fPV)和fNPV.结果表明,在模拟混合场景下,4种NPVI与模拟fNPV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,SWIR32BS=0.99.模型对fPV和fNPV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fNPV,分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,fPV从东南向西北不断增加而后减小,fNPV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.

来源：2022年第9期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2022年第9期