聚集指数CI(Clumping Index)是植被冠层的一个重要结构参数,对植被冠层的辐射截获,以及全球碳、水循环的研究均有重要作用。现有星载CI产品的估算主要是基于CI-NDHD(Normalized Difference between Hotspot and Dark spot)线性模型方法...聚集指数CI(Clumping Index)是植被冠层的一个重要结构参数,对植被冠层的辐射截获,以及全球碳、水循环的研究均有重要作用。现有星载CI产品的估算主要是基于CI-NDHD(Normalized Difference between Hotspot and Dark spot)线性模型方法,由于针叶林和阔叶林在叶片尺度上存在聚集层级的差异,该模型对它们分别采用了不同的模型系数。但是,该模型对中粗分辨率的针阔混交林像元通常采用阔叶林的CI反演系数,因此,理论上会导致该类型CI的高估。为此,本文提出了一种动态选取混交林像元端元CI组分的方法,以改进针阔混交林植被聚集指数的估算精度。首先,通过国际地圈—生物圈计划(IGBP)的地表类型和描述二向性反射分布函数BRDF(Bidirectional Reflectance Distribution Function)特征的地表各向异性平整指数AFX(Anisotropic Flat Index)进行双重约束,逐像元地计算端元CI值;然后,结合高分辨率的土地覆盖分类数据确定端元在像元中的面积比例,并估算MODIS针阔混交林像元的聚集指数MFCI(Mixed Forest CI);最后,将方法应用于研究区MODIS数据的MFCI估算,并通过地面实测数据进行精度评价。结果表明:目前的MODIS产品算法高估了针阔混交林像元的CI值,而MFCI估算方法在CI-NDHD算法的基础上,可以较显著地改善该类型聚集指数的估算精度,当针叶林树种成数达到60%时,精度改善可达28.03%,其中,改进结果的均方根误差(RMSE)和偏差(Bias)各降低约84%和175%。研究表明,MFCI方法对针阔混合像元的端元组分的变化敏感,在高分辨率地表分类已知的条件下,MFCI方法为针阔混交林CI产品生产和精度提高提供了可行的解决方案。展开更多
文摘聚集指数CI(Clumping Index)是植被冠层的一个重要结构参数,对植被冠层的辐射截获,以及全球碳、水循环的研究均有重要作用。现有星载CI产品的估算主要是基于CI-NDHD(Normalized Difference between Hotspot and Dark spot)线性模型方法,由于针叶林和阔叶林在叶片尺度上存在聚集层级的差异,该模型对它们分别采用了不同的模型系数。但是,该模型对中粗分辨率的针阔混交林像元通常采用阔叶林的CI反演系数,因此,理论上会导致该类型CI的高估。为此,本文提出了一种动态选取混交林像元端元CI组分的方法,以改进针阔混交林植被聚集指数的估算精度。首先,通过国际地圈—生物圈计划(IGBP)的地表类型和描述二向性反射分布函数BRDF(Bidirectional Reflectance Distribution Function)特征的地表各向异性平整指数AFX(Anisotropic Flat Index)进行双重约束,逐像元地计算端元CI值;然后,结合高分辨率的土地覆盖分类数据确定端元在像元中的面积比例,并估算MODIS针阔混交林像元的聚集指数MFCI(Mixed Forest CI);最后,将方法应用于研究区MODIS数据的MFCI估算,并通过地面实测数据进行精度评价。结果表明:目前的MODIS产品算法高估了针阔混交林像元的CI值,而MFCI估算方法在CI-NDHD算法的基础上,可以较显著地改善该类型聚集指数的估算精度,当针叶林树种成数达到60%时,精度改善可达28.03%,其中,改进结果的均方根误差(RMSE)和偏差(Bias)各降低约84%和175%。研究表明,MFCI方法对针阔混合像元的端元组分的变化敏感,在高分辨率地表分类已知的条件下,MFCI方法为针阔混交林CI产品生产和精度提高提供了可行的解决方案。
