【学术汇报】锡林郭勒典型草原光合植被、非光合植被覆盖度估算

式中，B2、B1分别代表MODIS第2和第1波段。
Cao et al. International Journal of Remote Sensing, 2010
03
研究方法
3.4 NDVI-DFI像元三分模型
NDVI—DFI像元三分模型假设像元由 PV、NPV和BS 三个组分组成，其NDVI 和DFI指数符合线性关系（Guerschman et al. 2009）
04
研究结果
4.4 fPV和fNPV的估算
选取感兴趣区分析fPV和fNPV的季节性变化
04
4.5 结论
研究结果
1） DFI指数具有对PV、NPV和BS的可分性，不同PV/NPV/BS的DFI指数有
其差异性。
2） 不同混合场景条件下，DFI指数均与fNPV具有相关关系，DFI指数可以有 效的表征fNPV。
01
研究背景
1.3 研究现状
01
研究背景
1.4 研究内容
1）验证多光谱DFI指数估算非光合植被的有效性
2）分析构建NDVI-DFI像元三分模型的可行性
3）利用像元三分模型估算典型草原的fPV、fNPV、fBS ，并分析其季节性变化
02
研究区与数据
2.1 研究区
02
研究区与数据
2.2 多源数据获取
MOD09GHK 500m地表反射率每日产品
MCD43A4 500mBRDF反射率8天产品
Sentinel-2 MSI多光谱影像
Landsat-8 OLI多光谱影像 野外实测数据
03
研究方法
3.1 实测数据
实测端元光谱获取
混合场景样方获取
03
研究方法
3.2 PV/NPV/BS端元光谱特征
蚀等现象，草原植被覆盖度和生
物量显著下降。
01
研究背景
1.2 非光合植被（NPV）生态系统功能
碳储存
碳汇 CO2交换量
NPV:草原植被按照功能属性可
气候
温室气体排放
宏观
以分为光合植被(Photosynthetic
Vegetation, PV)和非光合植被 (Non-photosynthetic Vegetation,
4.2 DFI指数估算NPV的有效性（模拟混合场景—野外真实混合场景）
模拟混合场景条件下不同光谱 指数与fNPV的相关性
野外混合场景条件下不同光谱 指数与fNPV的相关性
04
研究结果
4.3 构建NDVI-DFI像元三分模型可行性（NDVI-DFI特征空间图）
模 拟 场 景
混 合
野 外 真 实 场 景 遥感影像NDVI-DFI特征空间
植被生态系统自身的复杂性，PV、NPV和BS错综复杂，相互重叠。 DFI指数受到其他因素的影响（探讨这些因素的影响程度） NDVI-DFI像元三分模型的适用性以及估算精度影响（推广到其他区域） 混合像元及尺度效应的影响（多源数据的协同）
实测端元光谱指数值
组分 Components 平均光谱 Mean spectrum PV NPV BS 羊草 蒿类 光合植被 芨芨草 PV 糙隐子草 C. squarrosa 0.878 0.701 0.190 0.188 0.108 0.161 0.141 0.068 0.125 0.090 0.094 0.096 3.062 9.785 26.427 20.598 23.715 23.142 18.125 9.343 6.599 1.887 4.936 5.865 0.509 -0.413 2.287 1.340 2.362 1.916 1.995 1.402 -1.777 -2.843 -1.661 -2.187 A. splendens 0.764 8.119 0.513 类型 Types Mean spectrum Mean spectrum Mean spectrum L. chinensis A. frigida NDVI 0.753 0.108 0.098 0.779 0.687 DFI 8.057 18.834 5.941 9.969 7.992 CAI 0.449 1.980 -2.035 0.313 0.444
光谱特征
wenku.baidu.com
光谱指数
实测光谱
端元提取
03
研究方法
3.3 光谱指数
DFI指数 Cao等人（2010）根据PV、NPV、BS在 MODIS波段范围内的光谱特征提出了DFI指数：

NDVI指数
NDVI ( B 2 B1) /( B 2 B1)
(2)
图4 NPV/PV/BS平均光谱及不同传感器波段位置 Fig.4 Reflectance spectra of PV, NPV and BS endmember, and main sensor band position
式中， VM代表MODIS数据的NDVI， DM代表 MODIS的DFI，代表百分比（%）， fPV、fNPV 和 fBS分别代表像元内相应组分所占的比例，
Guerschman et al. Remote Sensing of Environment,2009
03
研究方法
3.4 NDVI-DFI像元三分模型
影像端元光谱指数值
小叶锦鸡儿 C. microphylia 羊草 蒿类 非光合植被 NPV 芨芨草 糙隐子草 L. chinensis A. frigida A. splendens C. squarrosa
小叶锦鸡儿 C. microphylia 基底 NPV 土壤 土壤 BS 土壤 土壤 土壤 Substrate NPV Bare soil Bare soil Bare soil Bare soil 01 02 03 04
锡林郭勒典型草原光合植被、 非光合植被覆盖度估算
报告提纲
01 02
研究背景&内容
研究区与数据 研究方法
研究结果 讨论
03
04
05
01
研究背景
1.1 草原重要性
草原生态系统是全球分布最广的 陆地生态系统类型之一，占到全
球 陆 地 表 面 积 的 26%(Schino et
al., 2003) 。近年来锡林郭勒草 原出现明显的沙化退化、土壤侵
3） 从NDVI-DFI特征空间图分析来看，具备构建像元三分模型的可行性。
4） 利用像元三分模型估算了西乌旗典型草原的fPV、fNPV、fBS ， fPV、fNPV动 态变化与牧草物候发育特征相吻合，可以进一步应用于长时间序列的锡林郭
勒草原 fPV和 fNPV时空动态变化。
05
讨论
5.1 面临的挑战&研究重点
03
研究方法
3.5 端元特征值确定（模型参数）
纯净像元指数法(PPI)：MOD09GHK作
MNF变换，PPI计算,取特征空间图顶点
纯净端元的平均指数值为端元特征值。
实测法：实测PV、NPV、BS三个端元的 光谱，确定端元特征值。
2014年4月5日NDVI-DFI特征空间图
04
研究结果
4.1 PV/NPV/BS端元光谱指数值
PV、NPV、BS端元的光谱指数值具有其差异性， 尤其是DFI指数值，具有明显的可分性。
04
研究结果
4.2 DFI指数估算NPV的有效性（模拟混合场景—野外真实混合场景）
基于线性混合原理构建NPVPVBS三端元线性混合模型，获得遥感像元尺度 （模拟）上的光谱反射率：
模拟混合场景光谱曲线
04
研究结果
火灾燃料
影响物种组成 组织结构 植被生产力 生物多样性 恢复力
NPV
微观
NPV)。其中NPV在自然界中是
普遍存在的，主要指凋落物、作 物茬、枯叶、枝干、茎等。
分解
增加土壤养分 提高土壤质量 影响理化性质
光照：土壤温度 水分：减缓径流 保持水土 土壤侵蚀
生态系统 （森林、草原、 湿地、农田）
NPV生态系统功能示意图