基于MODIS与Landsat数据融合的区域水土流失风险评价

面向区域水土流失风险评价的需要，开发即能解决BRDF效应又能解决混合像元问题，而且只需一期中高分辨率数据为参考的MODIS与Landsat数据融合模型，解决区域水土流失风险评价的时间序列中高分辨率植被覆盖因子无法获取的关键数据障碍。然后，通过时间序列水土流失植被覆盖因子（NDVI）与降水动态的精确匹配，实现降水与植被动态变化的时空耦合，并结合地形及土壤因子实现科学、合理的区域水土流失风险评价。

在国家基金委青年项目的资助下，研究团队解决了区域水土流失风险评价面临的若干关键问题，较为理想地完成了项目的既定目标。主要进展与成果如下：.1、面向区域水土流失风险评价对高时空分辨率遥感数据的需要，构建了一个既能解决 BRDF 效应又能解决混合像元问题的 MODIS 与 Landsat 数据融合模型，并在密云水库上游实验区进行了验证，其精度要好于目前的其它数据整合模型；.2、构建了全新水土流失植被覆盖与管理因子的遥感估算模型：基于土地覆盖数据与时间序列的NDVI数据，构建了一个新的水土流失植被覆盖与管理因子遥感估算模型，模型即在充分借鉴以往研究的基础上考虑到了土地利用现状及年内动态，也通过土地覆盖内部NDVI的差异来刻画土地利用内部植被对水土流失保护的差异；.3、发展了一个新的植被降水耦合指数（RVCI）：基于中低分辨率植被指数与TRMM降水数据，通过挖掘两者的时空匹配动态特征，发展了一个新的植被降水耦合指数,进而确定提取植被覆盖信息的最佳遥感影像时相，以解决目前随意采用影像、结果不客观且难以对比的问题。以密云水库上游为研究区研究发现， 利用RVCI确定的2001-2008年的水土流失风险最大月份，与水文站点观测得到最大泥沙量出现的月份完全吻合，这为开展水土流失风险评价的遥感影像时相选择提供了一个简单、有效的方法,具有较强的应用意义与价值。.4、开展了服务于区域水土流失风险评价的华北地区植被参量的高精度定量反演研究，基于HJ1-CCD及Hyperion高光谱数据针对于光合/非光合植被覆盖度、物候变化等开展了监测研究，为区域水土流失监测植被因子的更好地描述提供了技术支持。