集成遥感与物候规律的城市四维绿量估算与生态服务评估

Urban vegetation is a key part of eco-system and significant indicator to measure urban environment and people's living standard. The calculation accuracy of ecological benefit of urban vegetation is relatively low because of limitation of evaluation methods, which resulted in inadequate scientific basis for Eco-city construction. We try to examine the phenological law of urban vegetation using multi-temporal remote sensing images to carry out the fine classification of urban vegetation. Meanwhile, we will establish four-dimensional vegetation model quantity base on phenological trajectory and three-dimensional vegetation quantity to focus on the new method for evaluating vegetation quantity. The the detailed research contents are listes as follows：(1) Carrying out fine classification of urban vegetation integrated of multi-temporal,multi-feature and phenology;(2) Constructing four-dimensional vegetation quantity evaluation model using three-dimensional vegetation quant，phenology and other factors;(3) Evaluating ecological benefit of urban vegetation based on the results of fine classification and four-dimensional vegetation quantity.This study will expand the application filed of urban remote sensing.

城市植被是城市生态系统的重要组成部分，也是衡量城市环境质量和居民生活水平的重要标志。由于定量化评价方法受限，导致城市植被的生态效益与价值计算精度相对较低，不能为生态城市的建设提供很好的科学依据。通过多时相遥感数据得到城市植被的物候规律，进行城市植被精细分类。在已有三维绿量的基础上加入城市植被物候信息构建城市植被四维绿量模型，探索多时相遥感数据应用于城市植被生态效益评价的可能性。研究将提出城市植被精细分类与绿量估算方法，明确遥感所能扮演的角色，提高城市植被生态效益评价的精度。研究内容包括：（1）集成多时相、多特征和物候规律进行城市植被精细分类；（2）利用植被物候特征与三维绿量结合其他因子，建立城市植被四维绿量计算模型；（3）集成城市植被精细分类结果与四维绿量计算结果，评价城市植被生态效益。本项目将拓展城市遥感的应用范围。

城市植被是城市生态系统的重要组成部分，也是衡量城市环境质量和居民生活水平的重要标志。由于定量化评价方法受限，导致城市植被的生态效益与价值计算精度相对较低，不能为生态城市的建设提供很好的科学依据。通过多时相遥感数据得到城市植被的物候规律，进行城市植被精细分类，在已有三维绿量的基础上加入城市植被物候信息构建城市植被四维绿量模型以进行更好地城市植被生态效益评价具有重要的研究价值。具体研究内容如下：.（1）.本研究选用2013年全年HJ-1A/B卫星的二级数据产品，图层叠加、辐射定标后对数据进行裁剪，然后经过6S模型的大气校正和相对几何校正，几何校正的精度控制在0.2个像素之内 ，并将校正后的图像映射到UTM投影。筛选后剔除受云雾影响较为严重的图像，得到始于2013年1月2日以5天为时间间隔的77景图像序列。在此基础上，构建HJ NDVI时间序列数据。.（2）.环境卫星归一化植被指数（HJ NDVI）时间序列，具有较高的时空分辨率。由于 HJ卫星成像条件和卫星平台的限制，HJ NDVI时间序列中存在较多噪音，找到最优滤波算法是解决这一问题的关键。本研究介绍了Savitzky-Golay(S-G)滤波法、非对称高斯函数拟合法（AG）、双逻辑曲线拟合法（DL）和时间序列谐波分析法（Hants）四种滤波算法。建立南京市典型植被类型区域的HJ NDVI时间序列，对四种滤波方法进行实验。对比纯像元样点、样区的滤波结果以及滤波后五类典型植被的分类精度，评价四种滤波方法的滤波效果，并利用MODIS NDVI时序数据验证结果可靠性。结果表明：滑动窗口大小为5的S-G滤波的滤波效果最佳。本研究结论为基于HJ NDVI时间序列的应用研究选择滤波方法提供参考。.（3）.以南京市区及近郊作为研究区，将2013年77景HJ-1 NDVI时间序列数据看成 “类高光谱”数据，利用非限定性分解法、半限定性分解法和全限定性分解法对滤波后的数据进行分解，结果表明：使用非限定的线性光谱混合模型分解算法对研究区草地、灌木丛、针叶林、落叶阔叶林、常绿与落叶阔叶混交林5种植被信息提取的RMS误差最小，此方法效果最好。