基于DFI指数的典型草原非光合植被覆盖度遥感估算及动态变化研究

Fractional cover of non-photosynthetic vegetation is one of the important factors in soil wind erosion, its estimated accuracy directly impacts soil wind erosion evaluation and forecast results. The MODIS DFI (Dead fuel index) plays an important role in building remote sensing estimation model of non-photosynthetic vegetation coverage, because its good potential to characterize fractional cover of non-photosynthetic vegetation. This project will be based on measured vegetation coverage and field spectra data in typical steppe of XilinGol, to reveal the effectiveness of DFI in the representation of non-photosynthetic vegetation coverage. A NDVI-DFI trisection pixel model will be built in estimating fractional cover of photosynthetic and non-photosynthetic vegetation, which NDVI will be used in representing fractional cover of photosynthetic vegetation and DFI representing fractional cover of non-photosynthetic vegetation. Analysis of the dynamic changes of the fractional cover of non-photosynthetic vegetation will illustrate its change rules in different seasons. This research will provide technical means and scientific data in a wide range and long time series vegetation monitoring in soil wind erosion area.

非光合植被覆盖度是土壤风蚀研究的重要因子之一，其估算精度将会直接影响土壤风蚀评价、预报结果等。MODIS DFI指数具有表征非光合植被覆盖度的能力，对构建非光合植被覆盖度遥感估算模型具有重要作用。本项目以锡林郭勒典型草原区为研究区，以实测样地植被盖度和端元光谱数据为基础，揭示DFI指数表征典型草原非光合植被覆盖度的有效性；选用NDVI指数表征光合植被覆盖度、DFI指数表征非光合植被覆盖度，构建NDVI-DFI像元三分模型，估算研究区时间序列光合/非光合植被覆盖度，并实际验证估算精度，分析研究区非光合植被覆盖度的动态变化，阐明非光合植被覆盖度的季节变化规律。该研究为大范围、长时间土壤风蚀区植被监测、土壤风蚀评价等提供技术手段及科学数据。

光合植被（PV）和非光合植被（NPV）在草原生态系统中扮演着重要的角色，利用遥感技术定量的估算草原光合植被覆盖度（fPV）和非光合植被覆盖度（fNPV）对陆地生态系统碳储存、植被生产力、土壤侵蚀和草原火灾监测均具有重要的意义。本项目主要研究内容包括：（1）MODIS DFI指数表征fNPV的有效性；（2）构建NDVI-DFI像元三分模型，分析NDVI-DFI像元三分模型估算fNPV的可行性；（3）以锡林郭勒典型草原为研究区，利用MOD09A1数据，估算时间序列fPV、fNPV和裸土覆盖度（fBS）值，对结果进行精度评价。.本项目所取得的成果：.（1）在NPV-PV-BS三组分存在的情况下，DFI指数与fNPV呈显著相关关系，说明DFI指数可以有效的估算草原非光合植被覆盖度。通过对几种光谱指数的回归分析发现：在模拟NPV-PV-BS混合场景条件下，DFI指数与fNPV呈显著相关（R2=0.953，RMSE=0.048）。与模拟混合场景相比，在野外真实混合场景下DFI指数估算fNPV的有效性有一定程度的降低，但仍表现为显著相关（R2=0.745，RMSE=0.117）。.（2）利用MODIS模拟光谱和实测光谱反射率数据构建的NDVI-DFI特征空间图都表现为明显的三角形，符合像元三分模型的基本假设。说明通过选择NDVI指数表征fPV、DFI指数表征fNPV来构建NDVI-DFI像元三分模型，从而实现对fNPV的估算具有理论可行性。.（3）NDVI-DFI像元三分模型可以较好的估算典型草原的fPV、fNPV和fBS，利用影像端元法的fPV、fNPV和fBS估算精度高于实测端元法。其中，对于fNPV来说，影像端元法估算的RMSE为0.121（R2=0.700），实测端元法估算的RMSE为0.150（R2=0.710）。.（4）在典型草原地区，利用NDVI-DFI像元三分模型估算的时间序列fPV、fNPV和fBS与草原植被物候特征基本一致，说明NDVI-DFI像元三分模型在该地区的应用具有合理性和适用性。.本研究扩展了像元三分模型的应用范围，充分挖掘了多光谱遥感数据估算fPV、fNPV和fBS的潜力，为今后实现大范围高精度长时间序列的草原地区fPV、fNPV和fBS监测提供了依据。