干旱区荒漠稀疏植被叶面积指数遥感反演及多尺度验证

植被叶面积指数是反映植被冠层与大气交互作用的重要参数，也是各种地表过程模型的重要输入参数之一，因此，植被叶面积指数信息提取是目前遥感定量化研究的前沿方向之一，而针对密闭、稠密植被所设计的光学测量仪器及目前所提出的遥感反演算法，运用到干旱稀疏植被分布区时均失去普适性。本研究以塔里木河干流下游地区典型落叶稀疏植被胡杨及柽柳为切入点，基于地面-星载影像同步试验，采用直接及间接测量法测定稀疏植被叶面积指数，获取精细地物的特征波谱及配套参数，将地物目标的光谱特征与多尺度成像光谱仪数据有机结合，探讨提取干旱区稀疏典型植被叶面积指数的地面适宜监测方法、遥感提取最佳模型以及敏感波段，确定提取荒漠稀疏植被叶面积指数的最佳算法；充分考虑地表异质性分布特征，通过尺度扩展来验证现有粗分辨率叶面积指数产品精度，为干旱区地表过程模拟研究提供数据基础，并为相似地区同类研究提供理论依据。

植被叶面积指数LAI是地表过程模拟的重要输入参数之一，且植被LAI信息提取是目前遥感定量化研究的前沿方向之一，而针对密闭、稠密植被所设计的光学测量仪器及目前LAI算法及遥感产品，运用到干旱稀疏植被分布区时均失去普适性。本研究以塔河干流荒漠稀疏植被为切入点，基于地面-星载影像同步试验，测定荒漠植被LAI指数，获取植被特征波谱及配套参数，将地物光谱特征与多尺度成像光谱数据结合，探讨提取干旱区荒漠稀疏植被LAI指数的地面适宜监测方法及遥感提取算法；通过尺度扩展来验证现有粗分辨率LAI产品精度。主要研究结论如下：1.对于地面覆盖度仅在20%左右的稀疏植被，对应于LandSat 30m影像，LAI地面采样大小为100m，最佳方法是格点采样法，采样间隔不应大于20m，若采用随机采样法，则最小样本量应不少于34个，最佳观测仪器是将TRAC与LAI-2000协同使用，可满足稀疏植被LAI监测的精度要求。2.以高光谱EO-1 Hyperion数据反演植被LAI，敏感波段为近红823.65nm及红691.37波段；多光谱宽波段数据反演稀疏植被LAI研究表明，以线性回归法建模时，以考虑土壤背景影响的植被指数（SAVI，MSAVI）反演稀疏植被LAI表现最佳；对比多元回归、最小二乘法及ANN神经网络分析算法，适宜方法为最小二乘法，其次为ANN神经网络。3. 多尺度验证分析结果表明：现有MODIS及GLASS LAI产品在荒漠稀疏植被分布区表现不佳，而本研究中LAI指数反演精度在荒漠稀疏植被分布区得到有效提高。4. 以LAI指数作为指示因子对以新疆内陆干旱区近期气候变化的响应做了初步分析，结果表明：自1982-2012年，天山山区及阿勒泰山区植被LAI呈现降低趋势，平原绿洲区植被LAI显著增加；针叶林、草甸及草地与夏、春两季降雨相关性强，而与温度无显著相关，降雨是山区植被生长的主控因子，平原区植被LAI指数与冬季降雪及春、夏季气温有较强相关性；绿洲LAI指数受人为影响显著增加，天山西部及阿勒泰山区植被受人类活动及气候变化叠加影响更为明显；草地对短期气候波动最为敏感，同时也是受人类活动影响最大的植被类型。研究为干旱区地表过程模拟研究提供LAI提取算法，并为相似地区同类研究提供理论依据。