基于遥感地面试验的fpar反演与验证——以呼伦贝尔草甸草原为例 68页

学校代码10135论文分类号_学号20124017025研究生类别全日制颂士学文基于遥感地面试验的FPAR反演与验证一-以呼伦贝尔草甸草原为例InversionandValidationofFPARbasedonRemoteSensingDataandFieldSampling-一Withmeadow-steppeinHulunberasExample学科门类：理学一级学科：地理学学科、专业：地图学与地理信息系统研资源与环境遥感_方向：串请人姓名：李晓宇辛晓平研究员指导教师姓名：包玉海教授二〇一五年五月二十四日 附2独创性屮明本人声明所呈交的学位论文是本人在导师指导下进行的研究工■•….>;作及取得的研究成果，尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其fe人匕经发表或撰写过的研究成果，也不包含;本人为获得内蒙古师范大学或其它教育机构的学位或证书而使用过:的材料$本人保证所呈交的论文不侵犯国家机密、商业机密及其他合:.....•■■■：-法权益a与我一同工作的同志对本研究所做的任何贡献均己在论文中丨作了明确的说明并表示感谢&签名；存日期：年5月:^日关于论文使用授权的说明"本学位论文作者完全了解内蒙古师范大学有关保留、使用学位论文的规定：内蒙古师范大学有权保留并向国家有关部门或机抅送交论;文的复印件和磁盘，允许论文被査阅和借阅，可以将学位论文的全擁;或部分内容编入有关数据库进行检索.可以采用影_、缩印或扫描等复寵I手段保存、编汇学位论文，并且本人电子文档的内容和纸质论文;的内容相一致。"....,-；:：：："入:保密的学位论文在解密后也遵守此规定鲁 内蒙古师范大学硕士学位论文中文摘要光合有效辐射吸收比率FPAR是主要的植被生理参数和生态系统重要陆地特征参量，常被用于描述植被结构以及与之相关的物质与能量交换过程，与植被叶片吸收和转换光能的过程即光合作用密切相关，同时是表征绿色植被生长状况和监测土地覆盖的有效辅助因子。呼伦贝尔草原是我国乃至全世界保存最完整的草原之一，是我国温带草甸草原分布最集中、最具代表性的地区。目前，FPAR反演与验证成为许多学者研究的热点问题之一，而且有受到更多重视和关注的趋势。本文以中国农业科学院呼伦贝尔草原生态系统国家野外科学观测研究站为依托，以内蒙古呼伦贝尔谢尔塔拉镇草甸草原为研究对象，进行HJ-1CCD数据和Landsat-8OLI数据在研究区FPAR反演中的比较分析，证实HJ-1CCD高分辨率影像在该区域的适用性，然后将其作为桥梁，实现MODIS/FPAR产品的验证。本研究提高了草地FPAR遥感估算的精度，为今后该区域FPAR的进一步深入研究提供理论依据和支撑。主要研究内容和结论如下：(1)选取成像时间较为接近的HJ-1CCD数据和Landsat-8OLI数据，结合利用美国LI-COR公司生产的AccuPAR植被冠层分析仪观测研究区草地FPAR，实现研究区FPAR反演，并对结果进行对比与分析。旨在为该区域今后的FPAR研究提供一定的借鉴和指导作用，同时促进HJ-1CCD数据今后在该地区的使用。结果表明：CCD数据和OLI数据计算的NDVI与实测FPAR间均呈现很好的正相关关系；OLI数据反演FPAR与CCD数据反演FPAR差值不超过5%的占整个囊括研究区影像的 内蒙古师范大学硕士学位论文百分比高达94%；剔除云和云影区域，整个裁剪影像基于CCD数据和2OLI数据反演FPAR的相关性比较好，R达到0.6822。(2)利用HJ-1CCD高分辨率影像和野外实测数据，对呼伦贝尔草甸草原6-8月整个生长季的MODIS/FPAR产品进行验证，以期进一步形成更合理的采样策略、提高产品精度，研究结果能够指导该地区MODIS/FPAR产品的应用。在1km×1km样地尺度上，MODIS/FPAR值比1kmHJ/FPAR“真值”平均高估了44.3%。样地尺度（3km×3km）上，2MODIS/FPAR产品值与HJ/FPAR“真值”间的R高达0.9以上，即二者具有相当好的一致性，变化趋势在整个生长季也是一致的，并且同样存在高估现象。关键词：遥感反演，验证，光和有效辐射吸收比率FPAR，植被指数、统计模型 内蒙古师范大学硕士学位论文ABSTRACTFractionofAbsorbedPhotosyntheticallyActiveRadiation(FPAR)isthemainvegetationphysiologicalparameterandtheimportantlandcharacteristicparameterofecosystem,isoftenusedtodescribetheexchangeprocessbetweenvegetationstructureandrelatedmaterialandenergy,andiscloselyrelatedtophotosynthesiswhichistheprocessofvegetationleafabsorptionandtheconversionoflightenergy.Atthesametime,FPARisalsoaneffectiveauxiliaryfactortosignthegrowthofgreenvegetationandmonitorlandcover.HulunberGrasslandisoneofthemostcompletepreservationgrasslandinChinaoreventhewholeworld,andisthemostconcentrativeandrepresentativeareaoftemperatemeadow-steppeinChina.Atpresent,inversionandvalidationofFPARhasbecomeahotissuethatmanyexpertsstudiedinit,andhasaobvioustrendofmoreattentionandconcern.ThispaperbasedonHulunberGrasslandEcosystemObservationandResearchStation,CAAS,takingmeadow-steppeinSherTara,Hulunber,InnerMongoliaasexample,carriedoncomparativeanalysisininversedFPARfromHJ-1CCDandLandsat-8OLIdatainthe 内蒙古师范大学硕士学位论文studyarea,confirmtheapplicabilityofHJ-1CCDhighresolutionimage,andthenachievethevalidationofMODIS/FPARproductthroughthebridgeofHJ-1CCDimages.ThisstudyimprovetheaccuracyofFPARestimationthatusingRemoteSensingtechnology,provideatheoreticalbasisandsupportforthefurtherstudy.Themaincontentsandconclusionsareasfollows:(1)InversedFPARusingHJ-1CCDandLandsat-8OLIdatawhichhasasimilargettingtimeandFPARinthestudygrasslandwhichobservedbyAccuPARthatmadeinLI-CORcompany,America,thencarriedonthethoroughcarefulanalysistotheresults.Thepurposeisprovidesomereferenceandguidanceforthefurtherstudy,atthesametime,promotetheapplicationofHJ-1CCDimagesinthisarea.Theresultsshowedthat:therearesignificantpositivecorrelationbetweenmeasuredFPARandNDVIcalculatedfromCCDandOLIdata;thepercentageinthedifferencebetweenFPARinversedfromCCDdataandOLIdatarespectivelywhichdoesnotexceed5%isupto94%inthewholecuttingimagewhichincludingstudyarea;excludingthecloudandcloudshadowregion,thereisagoodcorrelationbetween2FPARinversedfromCCDdataandOLIdata,besidesRachievedto0.6822.(2)UsingHJ-1CCDhighresolutionimagesandfieldFPARvaluetoachievedthevalidationofMODIS/FPARproduct,theobjectofstudy 内蒙古师范大学硕士学位论文isHulunbermeadow-steppewhichisthroughouttheentiregrowingseasonfromJunetoAugust,inordertoformamorerationalsamplingstrategyandimproveproductaccuracy.MODIS/FPARvalueisoverestimatedalmost44.3%than1kmHJ/FPAR“truevalue”onthescaleof1km×1km.Ontheplotscale(3km×3km),thereisasignificantpositivecorrelationbetweenMODIS/FPARvalueandHJ/FPAR“true2value”,Rishigherthan0.9,andthetrendofvarietyisalsouniformitythroughoutthewholegrowingseason,inadditionhasthesameoverestimation.KEYWORDS:Inversion，Validation，FractionofAbsorbedPhotosyntheticallyActiveRadiation(FPAR)，VegetationIndex，StatisticsModel 内蒙古师范大学硕士学位论文目录1绪论...................................................11.1研究背景与研究意义.................................11.2研究内容与研究方法.................................51.2.1研究内容......................................51.2.2试验设计......................................61.2.3研究方法......................................71.3国内外研究现状与进展...............................81.3.1研究现状......................................81.3.2国内外研究进展...............................112研究区域概况..........................................172.1地理位置.........................................172.2自然条件.........................................182.3研究区FPAR时间变化规律描述......................193HJ-1CCD与Landsat-8OLI在FPAR反演中的比较分析.........213.1数据的选取与处理..................................223.1.1遥感数据的选取与处理.........................223.1.2地面实测FPAR数据的采集与处理................243.2CCD与OLI数据在FPAR反演中的比较分析.............27 内蒙古师范大学硕士学位论文3.2.1CCD与OLI数据质量对比.......................273.2.2经验统计模型的建立...........................283.2.3模型检验.....................................293.2.4CCD与OLI数据反演研究区FPAR精度验证........303.2.5运用CCD与OLI数据反演FPAR及其相关关系......323.2.6CCD与OLI数据反演FPAR差值与差值频率........323.2.7CCD、OLI数据反演FPAR散点图与直方图.........333.3小结与讨论.......................................354基于HJ-1CCD影像的MODIS/FPAR产品验证..................374.1航空遥感实验简介..................................384.2数据采集与处理....................................394.2.1地面FPAR采集................................394.2.2遥感数据的获取与处理.........................404.3建立统计模型......................................424.4结果与分析.......................................444.4.1MODIS/FPAR像元“真值”的获取................444.4.2同尺度（1km）MODI/FPAR与HJ/FPAR对比分析....444.4.3研究区样地尺度（3km×3km）HJ/FPAR与MODIS/FPAR比较分析............................................464.5结论、误差分析与讨论..............................464.5.1结论........................................474.5.2误差分析与讨论...............................47 内蒙古师范大学硕士学位论文5总结与展望............................................495.1结论.............................................495.2展望.............................................49参考文献................................................51致谢....................................................57 内蒙古师范大学硕士学位论文1绪论1.1研究背景与研究意义植物光合有效辐射吸收比率FPAR（FractionofAbsorbedPhotosyntheticallyActiveRadiation），常被作为主要的植物生理参数，同时也是生态系统重要陆地特征参量，定义为度量植被冠层在光和有效辐射波段（400-700nm）能够吸收多少太阳能的指标，是一个表示植被冠层能量吸收能力的变量。FPAR同样能够实现表征和检测植被水分、碳循环及其平衡，用于描述[21,25]植被结构及与之相关的物质与能量交换过程。FPAR与植被叶片吸收和转换光能的过程即光合作用同样密切相关，FPAR越大，则表明植被具有较强的光合作用能力。在陆地生态过程研究中，FPAR是表征干旱、反映植被生长过程健康状况和监测土地覆盖的有效辅助因子，因此被确定为反映全球气候变化的关键参量。定量、准确、实时、大面积的获取FPAR在估算作物产量、草原灾害预防与监测、草地资源管理与应用、陆地生态系统过程方面均具有重要意义。遥感提取FPAR的主要数据源有AVHRR、MODIS和TM等。包括空间分辨率、植被斑块大小、植被类型多样性、像元异质性、斑块边缘状况等的空间因素和包括观测时间、物候期等的时间因素都会对FPAR的精度产生一定程度的影响，甚至造成累积误差，而在诸多影响FPAR精度的因素中像元异质性的影响最大。目前，FPAR获取的途径主要包括借助遥感方法建立FPAR估算模型和地面定位观测[32]两种：借助遥感方法建立FPAR估算模型的方法，依赖的主要是遥感技术实时快速获取地物、大面积同步观测、在区域尺度上具有良好的空间性和使用广泛的特点；地面观测方法首先需要观测冠层间的PAR，观测时使用AccuPAR、Sunscan、Trac等冠层分析仪或传感器，然后通过计算公式等方法获得FPAR,其优点是对某一确定观测点的冠层信息可以实时准确的获取，但只局限于点层面，不具有空间性和连续性。因此在区域乃至全球范围FPAR的研究中，遥感成为一种可行性手段。环境一号卫星，全称环境和灾害监测小卫星星座，拥有多种探测手段，如光学、红外和超光谱。组成卫星包括3颗，其中HJ-1A和HJ-1B两颗属于光学卫星，HJ-1C则属于雷达卫星。它搭载的两台CCD相机完全相同，组网后的时间分辨率1 内蒙古师范大学硕士学位论文高达2天，即具有对同一区域2天重复观测的能力。环境一号卫星的发射，弥补了我国环境和灾害方面地面监测数据的不足，同时具备全天时、全天候、大面积同步观测的特性。美国Landsat-8卫星为Landsat计划注入了新鲜的血液，较Landsat-7而言改进了波谱分辨率、波段数量等，但空间分辨率与Landsat-7保持一致，在全球范围的生态环境变化监测中继续发挥着重要作用，使得一度中断的Landsat系列的对地观测得以继续，一般较常使用的是Landsat-8携带的陆地成像仪OLI（OperationalLandImager）。HJ-1CCD的4个波段与Landsat-8OLI的2-5波段相应为蓝、绿、红、近红外波段，波谱范围基本相同，两者空间分辨率均为30m，具有满足对比需求的较为接近的过境时间和获取时间，辐射量化等级都是8bit。鉴于Landsat系列已经不间断的获取近30的数据，并且被广泛应用于各个领域，所以两种数据的对比分析可以表明CCD数据的适用性，促进CCD数据的使用。表1-1HJ-1CCD与Landsat-8OLI的主要参数波空间分辨率幅宽时间分辨率轨道高度传感器波段范围/μm段/m/km/d/kmHJ-1CCD10.43-0.5230720264920.52-0.603030.63-0.693040.76-0.9030Landsat-8OLI10.433–0.453301851670520.450–0.5153030.525–0.6003040.630–0.6803050.845–0.88530FPAR反演与验证工作多集中在地面观测数据与多光谱、中高分辨率影像的对比研究，并且目前已经生产出满足研究和生产需要的大量遥感产品。FPAR的估算方法主要经历了植被指数经验统计模型、辐射传输模型等阶段。传统的利用遥感2 内蒙古师范大学硕士学位论文技术提取FPAR的方法在区域性、大面积观测等方面的适用性较弱，因此具有较高时间分辨率、提供丰富光谱分辨率的中分辨率成像光谱仪(ModerateResolutionImagingSpectroradiometer，MODIS)数据自成功发射以来在生产和科研中得到了广泛的使用，并且根据获取的产品地面工作组生产了FPAR标准产品。MODIS影像的波段范围为400-1450nm，囊括36个波段。MODIS/FPAR产品的空间分辨率为1km，具有8d重复观测同一区域的能力，提供的是基于全球植被类型图（全球植被分为6种冠层结构类型或生物类型）利用最大合成法得到的FPAR产品，包括FPAR[8]和两个数据质量评价（QA）层。FPAR反演算法主要是利用查找表（LUT）的方法来计算大多数像元的FPAR值。MODIS/FPAR产品自使用以来，许多机构对其进行了验证工作，其中包括重要的地面验证，以保证产品的使用精度和算法的改进。该产品的验证工作可以通过诸如北京-1号等分辨率比较高的卫星影像、航空遥感数据和地面实测数据进行。利用各种飞机、气球、飞艇等作为传感器运载工具在空中进行遥感作业的技术被称为航空遥感或者机载遥感，该技术目前发展速度很快，并且具有广泛使用和深入研究的趋势，缘于其灵活、机动、方便的特点。根据应用目的和飞行器的飞行高度将航空遥感分为低空（<5000m）、中空（5000-10000m）和高空（10000-20000）三种类型，主要优点是空间分辨率高、适用于小面积详查，但同时存在飞行高度难以保持一致、姿态难控制、大范围动态监测工作量大等缺点。搭载多谱段扫描仪可获得多光谱航空像片，其包含的信息量是单波段航空相片无法睥睨的。机载遥感使用的技术比较先进，并且具有严格的可控性、较航天数据更高的空间和光谱分辨率，其主要作用包括：可以实现地表空间信息高精度的观测和提取、作为桥梁研究遥感信息的尺度转换、发展尺度转换方法及发展新型遥感探测手段。草地对于人类社会的发展和进步具有无可比拟的作用，同时具有保持水土、优化环境、固风防沙的生态功能，尤其是对于较为干旱等环境严峻的地区更加重要。在我国，草地生态系统特别是温带草地系统占据着特殊的生态地理位置，草原作为陆地生态系统的重要植被类型，具有独特的冠层结构。自工业革命以来，随着科学技术的快速发展，人类活动越来越多的对生态环境产生影响，致使人类面临诸如沙尘暴、雾霾、全球变暖、荒漠化、耕地面积退化等恶劣的环境问题。3 内蒙古师范大学硕士学位论文再加上我国传统草地畜牧业延续了原始畜牧业落后、原始和生产效率低的缺点，导致一些地区为了追求眼前利益不顾草地承载力持续增加牲畜数量，进一步恶化了生态环境。因此研究FPAR的反演和验证，对于及时准确的获取草地现状、掌握草地承载能力、合理调配草畜及实现草地资源的合理配置都有十分重要的作用。同时对实现草地资源的合理利用和科学管理、为人类改造和利用自然资源提供可靠的科学依据、维护草地生态系统平衡、维持生命赖以生存的环及人与自然的可持续发展均具有深远的意义。目前，FPAR的反演与验证成为许多学者研究的热点问题之一，而且有受到更多重视和关注的趋势。许多学者随着GIS（GeographicInformationSystem,地理信息系统）和RS（RemoteSensing,遥感）技术的快速发展，展开了针对不同区域、不同植被类型、不同生长时期、不同覆盖程度的多角度、多尺度、不同研究方法的光合有效辐射吸收比率的研究，以此推动FPAR进一步的诸如机理、方法等方面的深入研究和为其提供相应的理论依据，在生态遥感领域同样迫切需要FPAR反演与验证方面的研究。对FPAR估算的研究可以对不确定性进行一定程度的消除，评价其精度，进而服务于草地资源的合理利用和科学管理畜牧业生产。随着RS、科学技术以及GIS的快速发展和进步，各个领域逐渐开始使用航空和航天数据，基于遥感手段进一步探索FPAR与生态环境系统的相关性，以及对植被光合有效辐射吸收比率进行大面积的遥感反演与验证并进行相应的分析。通过遥感技术直接获取实时准确的FPAR，从而避免了复杂的实际FPAR获取过程中的不确定性和模拟化。内蒙古自治区地域辽阔，拥有我国面积最大的草原牧区，草地资源丰富多样；同时是树立在我国北方的一座天然屏障，其生态环境的好坏不但关系到本地区人民的生存和发展，而且对我国北方生态环境的维护和改善具有重要作用。呼伦贝尔草原是我国现存保存最完整的自然草甸草原，因此有必要对该区域的光和有效辐射吸收比率进行研究，进一步为该区域的环境监测提供保障，同时为本地区自然资源的合理利用和高效管理提供依据。由于我国温带草甸草原FPAR的野外实地获取和反演验证的研究比较欠缺，利用遥感技术直接获取准确可靠FPAR的研究也不多，所以本文选取呼伦贝尔市谢尔塔拉镇草甸草原为研究对象，对该地区的FPAR进行反演与验证研究。本研究结合了FPAR的生态定义，使大面积反演和验证光合有效辐射吸收比率成为可能，也为草甸草原草地光和有效辐4 内蒙古师范大学硕士学位论文射吸收比率的研究进展作出贡献。1.2研究内容与研究方法中分辨率成像光谱仪（MODIS）常用于通过对LAI（叶面积指数）、FPAR、NPP（净初级生产力）等植被生理参数的遥感反演，进而提供生态系统陆地观测研究相应的产品。对于中国生态系统的管理决策而言，基于植被冠层辐射传输理论的多角度遥感算法的MODIS/FPAR产品有接近70%的总体反演精度过低，而所用的土地覆盖类型过于简单是造成反演精度较低的可能原因。能否快速精准的反演FPAR是影响草地生产力估算的不确定性因素。1.2.1研究内容本研究以中国农业科学院呼伦贝尔草原生态系统国家野外科学观测研究站为依托，以内蒙古呼伦贝尔谢尔塔拉镇草甸草原为研究对象，研究内容包括以下几个方面：（1）在呼伦贝尔草甸草原的代表区域，设计3km×3km的采样区域，采用野外地面实测的方法，测量不同草地利用类型（围封样地、放牧样地和打草场）的FPAR值，同时实现植被冠层光谱、植被盖度等信息的采集。（2）结合地面实测FPAR值，对HJ-1CCD数据和Landsat-8OLI数据进行对比，依赖Landsat系列的良好使用效果，证实HJ-1CCD数据在该研究区的适用性，并为其今后的广泛使用提供理论依据；然后以HJ-1CCD高分辨影像作为桥梁，实现对MODIS/FPAR产品的验证。技术路线图如图1-1所示：5 内蒙古师范大学硕士学位论文图1-1技术路线图1.2.2试验设计1.2.2.1试验目的通过试验测定研究区草甸草原的FPAR值，建立地面实测数据和经过处理的高分辨率影像提取的植被指数之间的统计模型，实现研究区FPAR的反演及相应时期的MODIS/FPAR产品的验证。1.2.2.2实验内容(1)光谱测量地物光谱的测量使用ASD光谱仪（325-1075nm）和白色参考板。地物光谱测量时，在每个30m×30m的基本采样点（ElementarySamplingUnits，ESU）采用“#”字形的模式按样带垂直向下测量地物40-50次，需要注意的是前后应该各测10次参考版，测量样区的地物光谱通过多次平均得到。测量人员应尽量穿深色衣服，并侧身伸出胳膊垂直于太阳平面方向进行测量，可以减少测量时人员、设备和操作对散射光的干扰。为了准确获得观测点的经纬度和地面高程信息，可以用GPS设备对观测样地进行地理位置的准确定位。(2)FPAR测定光合有效辐射吸收比率使用AccuPAR进行测量。测量时，在每个基本采样单6 内蒙古师范大学硕士学位论文元采用等边三角形的模式选择3个点作为测量点，在每个测量点进行8次冠层入射、冠层反射、土壤入射和土壤反射的测量，仪器自动计算并保存其平均值。最终取3个测量点的平均值作为每个基本采样单元的FPAR值。为了保证地面实测数据的获取时间与环境星和MODIS卫星的过境时间一致，野外地面测量在每天的10:00-14:00进行。测量时根据水平球尽量保证仪器水平。(3)其他记录样地植被生长状况、建群种和优势种、地形条件、叶绿素含量，以及观测时间、气溶胶、云量、准确地理位置等，并用数码相机垂直拍摄以实现群落组成、盖度等基础数据的记录。1.2.2.3试验仪器表1-2试验中用到的仪器仪器名称型号用途AccuPARLP-80测定植被各部分PAR叶绿素仪SPAD502测定叶片叶绿素含量ASD便携式地物光谱仪ASDFieldSpecProFR测量冠层、土壤反射率GPS-精确记录测定点笔记本电脑-与ASD配合测量冠层、土壤反射率数码相机-记录群落组成、盖度等基础数据1.2.3研究方法(1)野外观测法野外观测得到的数据可以获得准确反映事物特征的最原始的实际资料，是研究和解决问题的保障，可以为运用遥感方法进行FPAR估算模型的建立和改进提供可靠的依据。本文通过野外布设采样点、地面测量，获取研究区草甸草原FPAR反演与验证的相关数据，为遥感方法估算的不确定分析和改进MODIS产品算法提供支撑。(2)统计学方法统计学主要用来采集、处理、分析以及呈现数据，经常被广泛应用于各个学7 内蒙古师范大学硕士学位论文科，尤其是自然科学和社会科学经常会遇到需要处理和分析多个变量的数据问题，从看似毫无规律的数据中发现和提炼出关系，从而进行因子之间的相关性分析，建立统计模型。(3)反演与验证方法遥感模型常被当作遥感估算的研究对象，被定义为描述遥感信号或者遥感数据与地表应用之间关系的模型，是进行遥感反演与验证的出发点，实现对地表特征精准、确定、实用的本质描述是运用遥感技术进行研究的难点。本文对呼伦贝尔草甸草原FPAR的反演，主要利用地面实测数据结合经过处理的高分辨率影像进行；而对MODIS/FPAR产品的验证主要通过高分辨率影像这座桥梁实现。1.3国内外研究现状与进展1.3.1研究现状大气间物质和能量相互转换的核心过程是光合作用，植被在光合作用的过程中对于太阳辐射进行选择性的吸收和利用，照射的太阳辐射一部分被植被吸收，一部分被植被冠层反射，透过冠层到达地面的部分被地表吸收或反射，只有被植被冠层吸收的部分才会对植物的生长作出贡献。目前，绝大部分的生态系统模型都以作物光合作用作为出发点，而FPAR与光合作用强度密切相关，因此，越来越多的学者和专家对FPAR估算感兴趣并且开展多项相应试验与研究。许多研究结果表明，目前区域尺度研究中最有效和最常用的方法便是利用遥感手段提取FPAR，国际社会已经意识到植被FPAR生理参数的重要性并已开展多项对其进行观测和研究的项目。国内诸如农业、林业、水利、气象等部门已经建立了相关的生态观测站点。但是这些站点参量的观测主要以局部地面测量为主，即在点层面上进行观测，不具有空间性和连续性，目前国内还没有基于遥感的FPAR产品，而国际上已经生成基于AVHRR、VEGETATION和MODIS的全球和区域尺度上的FPAR产品。FPAR的遥感估算主要运用植被指数经验模型和机理模型法：(1)植被指数经验模型在绿色植被光谱特征中，近红外波段和可见光波段对太阳辐射表现特别突出[61]。其中，近红外波段反映植被的叶片结构，由于较少吸收而反射和透射较高，形成较强的反射能力；叶片中的色素分布情况由可见光波段反映，明显吸收波谷8 内蒙古师范大学硕士学位论文的形成原因是植被叶绿素在红波段的强吸收能力。因此，在实现对可见光吸收状况的很好反映时常使用红波段和近红外波段构建以数学组合形式表达的植被指数，它不但可以增强植被信息，而且能够减少其他噪声的干扰。植被指数经验模型主要是通过建立地面实测FPAR值与由遥感数据或冠层光谱计算得到的植被指数之间的统计关系而实现，其特点是比较直观的反映了FPAR值与植被指数间的关系，属于统计学方法。经过精准的辐射定标和大气校正是使用植被指数经验模型的前提。然而，由于大气条件、遥感数据质量、植被类型等因素综合地对FPAR值与植被指数之间的关系产生影响，进而出现许多不确定性问题。影响两者关系的重要瓶颈是饱和现象和土壤背景；植被的形态结构，尤其是叶倾角也会对FPAR值和植被指数的关系产生影响；对观测方位角和太阳高度角极为敏感的地表双向反射率因子也是影响两者关系的重要因素。植被指数经验模型得到广泛的应用源于其简单、运算效率高、参数比较少的特点，是目前获取FPAR的重要途径，是进行FPAR研究的主要手段。但该方法存在以下几点不足之处：未能在机理上对FPAR、冠层与地表间的变化过程进行解释和模拟；建立的统计模型随研究区域的不同、研究时期的不同以及植被类型差异而不同，即具有明显的区域性，适用性较弱；在生长季初期，植被覆盖度低容易受到土壤背景的影响。(2)机理模型法在植被指数经验模型方法广泛使用且显露不足的同时，许多学者开始从机理上出发研究利用遥感技术估算FPAR，旨在定量化描述太阳辐射与植被间相互作用的变化过程，冠层反射率模型在机理层面实现FPAR更好的解释和求解。绿色植被对太阳辐射的吸收和利用是一个能量平衡的过程，因此能量平衡原理成为从机理上求解FPAR的基本出发点。一般将机理法分为辐射传输法和孔隙率法两种。FPAR并非是辐射传输模型的输入参数，而是衍生的二级植被生理参数。正向模拟和构建优化目标函数是使用辐射传输模型反演FPAR的两个过程。目前已有多种使用该估算方法的FPAR产品，如JRC、GLOBCARBON、MODIS等，可见该类方法是重要的FPAR反演方法。随后在对SeaWIFS、TM、POLDER等传感器数据验证的过程中同样使用了此类算法，最终实现MODIS/FPAR产品的生产。在冠层反射率模型反演FPAR的过程中，求解方程矩阵中较多变量时往往只用到较少的参数，9 内蒙古师范大学硕士学位论文致使该方法成为一个病态的求解过程，即使快速发展和运用了神经网络方法、最优法等方法，反演结果同样存在诸多的不确定性，甚至出现错误。辐射传输模型有助于进一步发展遥感定量化，不进行大气校正即可使用，耦合了诸如冠层、土壤、大气等多重机理模型，可以直接显示植被参数与表观反射率之间的关系，在一定程度上减少了FPAR反演过程中的不确定性。许多学者结合平衡原理与孔隙率原理发展了另外一种估算FPAR的主要方法—孔隙率法，该方法常用于解决几何光学模型中的多次散射问题，也是求解FPAR的关键步骤。孔隙率法创造性地考虑了土壤背景对植被冠层的影响，提高了FPAR估算的机理性，且该算法在GLOBACABON中成功运用于FPAR产品的开发。然而，在运用孔隙率法进行FPAR估算的过程中涉及孔隙率、LAI、地表反照率等众多的输入参数，而这些参数本身存在较多的不确定性，因此，想要提高该方法FPAR估算的精度，必须确保参数的准确性，避免产生累积误差。基于机理方法的遥感估算同样存在一些不确定性：植被覆盖类型的确定是影响FPAR反演进行的关键，植被分类精度会影响FPAR反演精度；遥感数据受云的影响或者大气校正不确定的影响，都会给FPAR估算的结果带来误差，例如有最容易受到大气因素影响的蓝波段参与反演的更易给结果带来不确定性；在研究区植被盖度较低的情况下，太阳天顶角和土壤背景均会对研究结果产生制约，而影响反演与验证结果的重要因素之一便是太阳天顶角；模型的结构复杂，需要输入的参数比较多，且所需参数往往不能全部得到。实际上，植被冠层包括绿色叶片和非绿色两部分，其中由绿色叶片吸收的太阳辐射真正参与光合作用，而非绿色部分虽然能够吸收冠层截获的部分太阳辐射，却对生物量的累积不起任何作用。随着植被指数统计模型和机理模型法的逐渐成熟，学者开始对FPAR进行更为深入的研究，侧重于考虑FPAR的构成和作物生理上对FPAR的影响，进而进一步解释FPAR的响应机制。目前提取FPAR最有效的方法便是结合地面验证与遥感模型。验证主要用于对遥感数据产品的精度进行检验和评价，在该过程中采用独立的方法将卫星遥感产品与诸如实地观测数据、更高分辨率的卫星影像、航空遥感数据等“真值”进行对比分析，最终实现不确定性因素的确定，其目的在于为产品的算法改进提供有力的支撑。对于FPAR的验证，前期做的是比较有限和不系统的工作，使得用10 内蒙古师范大学硕士学位论文户在使用数据时因为验证工作局限于局部地区甚至是没有经过验证，对数据质量和精度没有信心。随着各类技术的飞速发展和区域乃至全球尺度的FPAR产品的生成，为了更好的提高数据利用效率，产品的质量评价和地面验证就显得更为重要，当前相关研究的一个重点活跃领域便是不同采集尺度数据的相互转换及从不同分辨率的遥感影像中提取绿色植被生理参数并对其进行验证。现有的研究表明，FPAR产品的误差比较大，因此需要加强对FPAR产品的验证，为进一步提高产品精度打基础。由于野外实地采集的工作量较大，导致地面实测数据的缺乏和数据尺度不匹配问题的存在，而这些问题恰恰是FPAR验证工作的最大障碍。进行尺度转换的过程中，必然伴随地理统计量和空间结构的转变，随之产生的误差终将对FPAR估算结果的精度产生影响。对地面目标参量进行逐像元对比的方法显然是不可行的，因此必须借助高分辨率遥感影像、航空遥感数据等桥梁，实现地面实测数据和遥感低分辨率影像间的匹配问题，从而进行更低分辨率、更大范围运用遥感手段的提取和验证工作。诸多影响FPAR精度的因子中最重要的一个便是像元异质性，随着分辨率的降低，估算精度随着异质性的增加而降低，即误差的大小主要由像元异质性决定。一般是从遥感角度出发设计卫星的空间分辨率，而没有将实际地面的异质性考虑在内，在呼伦贝尔草甸草原，1km的范围内会出现不同的植被类型，即土地覆盖类型存在差异，并且伴随有不同的生产力和冠层结构等现象，这些均会对FPAR反演与验证的精度产生明显影响，因此在研究植被生理参数的过程中，一般用植被图作为先验知识，实现对空间参数的约束。1.3.2国内外研究进展FPAR可以用来计算LAI、反照率（Albrdo）、绿度等重要变量，国外广泛地开展FPAR理论和观测研究是从20世纪60年代开始的，且近年来对FPAR的研究主要集中于运用遥感技术使用统计模型和物理模型进行反演的层面。相对而言，我国在这方面的起步和探索较晚，但目前国内学者在FPAR的研究方面除了学习国外的科学方法外，也在不断地探索，并且在理论和研发方面取得了实质性的显著成就，如刘洪顺等测定了1980年北京林业大学内光合有效辐射和太阳总辐射的关系（1994）。11 内蒙古师范大学硕士学位论文一般认为植被类型和盖度决定植被的光和有效辐射吸收比率，在植被盖度不高的情况下，FPAR与DVI（DifferenceVegetationIndex,差值植被指数）具有近线性相关关系；估算FPAR时使用归一化植被指数（NormalizedDifferenceVegetationIndex,NDVI）结果更好的情况是土壤背景影响显著降低，即植被生长茂盛近似全植被覆盖；在任何植被覆盖情况下，RDVI（ReturnDifference[63]VegetationIndex,复归一化植被指数）与FPAR均呈现近线性相关关系。Wiegand等（1990）运用地面实测FPAR，结合SPOT影像提取的NDVI、PVI、GVI2与TSAVI，建立统计关系发现较GVI和TSAVI而言，FPAR与NDVI、PVI间的R均高达0.9以上；Huemmrich（1991）研究发现通过SAIL模型模拟的日均FPAR2与NDVI之间的相关性非常好（R=0.99）；Myneni和Williams（1994）研究表明FPAR与植被指数之间以线性关系为主，但也存在如指数、幂函数等关系，且相关性随生长季节、植被类型的不同而存在差异，同时NDVI与FPAR间的关系受到大气条件、异质性、土壤背景等的影响；Friedl等（1995）发现FPAR与NDVI呈现近似线性关系，且吸收性光和有效辐射在水、矿物质和土壤营养不受限制时与冠层的增长速率成正比；Roujean&Breon（2000）根据FPAR与测得的光谱反射率组合的植被指数（SVI）建立的经验关系实现FPAR的反演；Jenknis等（2007）表明在叶片枯黄期NDVI与FPAR表现为非线性关系，而在作物返青期更多的呈现线性关系；Chen等（1996）发现FPAR与LandsatTM计算提取的RVI和NDVI之间均呈现较好的相关性；陈雪洋等（2000）以山东禹城为研究对象，结合HJ-1CCD卫星影像，建立FPAR与NDVI、RVI、SAVI、EVI之间的回归模型，结果显示NDVI较其他植被指数有较高的估算精度；王培娟等（2003）对生长期冬小麦光谱、LAI、FPAR进行观测，研究发现在众多植被指数中FPAR与RDVI(复归一化植被指数)之间的相关性最好；夏朝宗等（2004）建立了FPAR与MODIS数据提取的NDVI之间的统计模型；高彦华等（2006）提出了有效FPAR的概念，即叶绿素吸收的FPAR（FPARchl）；金良秀等（2011）以棉花为研究对象，在小区密度和水分对比试验的基础上，建立FPAR光谱估算模型，研究表明棉花FPAR与所选用的所有植被指数间的相关关系均很显著，其中GMI与GREENNDVI效果最佳，进行FPAR遥感估算时光谱特征参数也能达到很好的效果；刘爱军等（2012）采集了草原关键生育期的反射光谱和FPAR值，建立经验统计模型发现FPAR与可见光反射率的相12 内蒙古师范大学硕士学位论文关性好于近红外波段反射率，运用高光谱反射率及其一阶导数可以在遥感估算FPAR研究中取得更好的效果；李晓宇等（2015）结合地面实测数据实现HJ-1CCD数据与Landsat-8OLI数据在FPAR估算研究中的对比分析，证实HJ-1CCD数据在呼伦贝尔草甸草原的适用性，为其广泛使用提供指导和借鉴；Baret等（1991）发现SAVI、TSAVI在叶面积指数较低的情况下能够实现土壤背景影响的较好克服，当FPAR很小（<0.5）时土壤背景会对NDVI、PVI产生影响；Epiphanio等（1995）认为相较而言对近红外波段更为敏感的是调整土壤亮度的植被指数SAVI，对红光波段敏感的是归一化植被指数，因此在LAI较高的情况下SAVI更容易克服饱和现象的局限性；Jean-Louis等（1995）表明RDVI与SAVI的效果较为一致，都可以实现背景和饱和现象影响的缓解。此外，在FPAR估算过程中经常使用植被指数的线性拉伸方式，该方法也可以很好的表现FPAR与植被指数之间的线性关系，如Baret等（1991）推导出了最大NDVI、最小NDVI及消光指数与FPAR的非线性关系。Myneni等（1997,2000,2002）在进行MODIS/FPAR产品预算方法研究时采用的研究手段是3D辐射传输模型；Gobron等（1999）发展了由红光、近红外和蓝光的冠层反射率组合而成的MGVI指数，在该过程中使用了辐射传输模型和MERIS，并且无需进行大气校正；Bacour等（2006）运用PROSAIL模型大量模拟冠层反射率，利用神经网络算法进行FPAR反演，并发现该结果与MODIS/FPAR产品和MGVI-FPAR产品有较好的一致性；李丽等（2010）在孔隙率模型的基础上，以环境星影像为数据源，考虑土壤背景对反照率的影响，研究结果表明估算的玉米FPAR值与实测值差异很小；陶欣等（2009）在考虑冠层结构、土壤反射率等多种机理因素的前提下构建了全新的FPAR估算模型，并将模型反演的结果与MonteCarlo模拟值进行对比，同时运用同步观测的地面数据实现结果验证，证明了新建模型的精度和适用性；Huemmrich等（2006）发展了GeoSail模型求解FPAR，在该过程中以SAIL模型和光学几何模型为基础,研究结果表明该方法在森林FPAR反演中有较好的适用性；李瑾等（2011）利用PROSPECT模型和SAIL模型实现了对呼伦贝尔草甸草原生长季羊草FPAR的模拟，结果发现模型模拟值与野外实测值之间存在良好的相关性；周斌等（2008）模拟了光子在植被冠层中的辐射传输过程，模拟时采用MonteCarlo方法，最终实现FPAR的估算，模拟结13 内蒙古师范大学硕士学位论文果揭示了植被冠层参数、太阳天顶角与FPAR之间的关系；Hu等（2003）分别对MODISLAI/FPAR、MISR数据进行验证，发现研究的6种植被覆盖类型中，阔叶林和针叶林的分类精度低导致这两种植被类型的FPAR精度较低；Fensholt等（2005）进行MODISLAI/FPAR产品验证时发现LAD（叶倾角分布函数）是影响大西洋荒漠草原草地光合有效辐射的重要因素；Mclallum等（2010）以落叶阔叶林和耕地为研究对象，对CYCLOPES、JRC、MODIS和GLOBACARBON四种FPAR产品进行对比，结果显示在输入参量及所采用的算法不同时，后两种数据的估算精度相对偏高；李刚等（2014）在测量草地冠层反射率、FPAR、叶绿素含量等植被生理参数的基础上，运用PROSAIL模型建立FPAR遥感估算模型，结果发现较MODIS/FPAR产品而言，PROSAIL模型估算值与实测值更为接近。Bella等（2004）开展了衰老叶片对FPAR影响的分析，结果表明绿色部分的NDVI与FPAR的良好相关性具有持续性，但衰老部分会对NDVI产生明显影响；Roux等（1997）得到致使FPAR高估的原因是非绿色部分的冠层反射率的结论；Hummrich等（1997）认为森林树干中的细枝会导致NDVI对FPAR高估近30%；李丽等（2010）以开放度原理、冠层孔隙度为依据，分别建立了散射FPAR和FPAR的估算方法，并且这些方法均得到了较好的验证；Goward和Huemmrich等（1992）研究发现FPAR和NDVI均会随着散射PAR的增加而增加，即为了提高冠层对太阳辐射的截获能力可以在一定程度上加强散射PAR；邵田田等（2012）基于最小二乘法（PLS）对吉林中西部玉米田的FPAR进行高光谱反演，同时进行了FPAR与光谱反射率、反射率一阶导数间的回归分析，结果显示PLS方法可以有效的反演FPAR且结果精度比植被指数高；杨飞等（2008）以玉米为研究对象，选取植被指数中的NDVI、RVI、NDWI与地面实测FPAR建立经验统计模型，并结合MODISBRDF数据实现FPAR的遥感估算，研究发现DNVI与RVI的效果更好，随着生长时期的不同，MODISBRDF数据估算值与MODIS产品值的关系出现差异，MODIS产品算法对实际FPAR的变化不够敏感；Cook等（2007）以孔隙率原理为基础，分析了LIDAR反演FPAR相关参量的可行性；Thomas等（2006）运用高光谱数据结合LIDAR数据进行叶绿素含量和林分高度等信息的反演，进而实现FPAR相关研究与分析，结果表明LIDAR获得的结果与FPAR之间存在很好的相关性。对LAI、FPAR等植被生理参数验证方面开始大量前期工作的是美国NASA，14 内蒙古师范大学硕士学位论文“BigFoot”计划就是通过样地监测、地面测量和空间外延模型对MODIS的LAI、FPAR、土地覆盖等数据产品进行验证，紧接着NASA又制定了拥有25个站点的MODLAND计划，综合利用精细分辨率和高分辨率的遥感影像、高塔观测数据和地[2]面数据实现MODIS数据1km尺度的FPAR和LAI产品的检验。欧盟也基于建立一个囊括反照率、FPAR、LAI等多种植被生理参数的地面验证数据体系的目的，启动了VALERI项目，运用于新遥感算法的开发和测试，同时可以实现不同尺度植被生理参数的模拟和验证。Fensholt等（2004）以大西洋海岸的荒漠草原为研究对象，结果发现总体上产品高估近8%-20%，验证产品FPAR与地面实测数据相关性较好，并在不同的生长季相关关系存在差异；Steinberg等（2004）在美国阿拉斯加州阔叶林地区对两种不同尺度的FPAR数据进行验证，结果表明两种数据均存在高估现象，其原因可能是波段反射率的不确定性、分类误差等；Huemmrich等（2005）结合地面实测数据和高分辨率影像对非洲的喀拉哈里沙漠林地的MODISLAI/FPAR产品进行了验证；Daniel等（2006）使用Alaska地面测量数据对MODIS/FPAR产品进行验证，结果发现与地面实测数据、运用ETM+和IKONOS反演的FPAR相比，MODIS/FPAR产品存在明显的高估现象；Goborn等（2006）实现了对SeaWIFS数据生成的FPAR产品质量和精度的讨论分析；杨飞等（2010）基于TM影像对典型玉米种植区的居民地对MODISLAI/FPAR产品精度的影响进行分析，结果表明对于LAI、FPAR生理参数的遥感估算而言，居民地对其存在较为明显的影响；Gobron等（2007）介绍了MERIS（MediumResolutionImagingSpectrometer，中分辨率成像光谱仪）上的MGVI（全球植被指数）的[38]算法，并对MERIS/FPAR和ENVISAT/FPAR产品进行评估；Steinberg&Geotz（2009）实现对美国东部温带森林的MODIS/FPAR产品的验证，研究过程中使用了高分辨率遥感影像和实测数据；李刚等（2010）的研究表明在呼伦贝尔草原区草地的整个生长季当中，季节变化趋势上MODIS/FPAR产品值与实测FPAR基本保持一致，但总体上存在高估现象，并且高估程度随地表植被类型的不同而不同，其中针茅样地约为13.7%，羊草样地为18.7%。虽然上述研究是可靠的，但都是在特定的研究区域、特定的环境条件下进行的，且数据也十分有限，故将建立的经验统计模型应用到大区域尺度仍然存在许多的不确定性。进行地面验证是遥感估算FPAR研究中不可或缺的一步，通过地15 内蒙古师范大学硕士学位论文面验证，可以推动FPAR的算法改进，进而提高模型的精度，为生态环境的保护和进一步的可持续发展提供有力保障。16 内蒙古师范大学硕士学位论文2研究区域概况2.1地理位置呼伦贝尔市位于内蒙古自治区的东北部，以境内的呼伦湖和贝尔湖而得名，地处北纬47°05′-53°20′、东经115°21′-126°04′，南北700公里，东西630公里，总面积26.3万平方千米。东部与黑龙江相接，分界线为嫩江，西部和南部与蒙古国相邻，北部和西北部以额尔古纳河为界同俄罗斯为邻。大兴安岭南北贯穿呼伦贝尔市，地形总体上呈现西高东低的趋势，地势自西向东缓慢的过渡。研究区设在中国农业科学院呼伦贝尔草原生态系统国家野外科学观测研究站东9公里处的草甸草原处，该站点位于内蒙古自治区呼伦贝尔市谢尔塔拉镇，地处北纬49°19′-49°21′，东经119°55′-119°58′，占据呼伦贝尔草甸草原的核心位置。图2-1为研究区地理位置示意图，图中红色五角星为中国农业科学院呼伦贝尔草原生态系统国家野外科学观测研究站。图2-1研究区地理位置示意图17 内蒙古师范大学硕士学位论文呼伦贝尔草原位于我国草原的最北部，也是欧亚大陆草原的东翼。保存相对完整的原生自然环境，使得呼伦贝尔草原成为研究草原生态系统各种生理参数及过程、人类活动影响和草地利用、管理与决策的理想天然实验室。2.2自然条件呼伦贝尔草原总面积约为8.87万平方公里，其中天然草场约占80%，是目前我国乃至世界上保存最完整的草原之一，也是我国最具代表性、分布最广的温带草甸草原区。自西向东呈现干旱草原、草甸草原和森林草原的规律性分布，具有独特的生态系统，在我国甚至全球草原研究中都具有重要作用。呼伦贝尔草原位于西北干旱区和东部季风区的交汇处，海拔500-800m，属温带半干旱性气候，年降水主要集中于7、8月，年均降低水量240-400mm，降水量自西向东递减，无霜期100-110天，有较好的水热条件。气候特点是夏季温凉短促，冬季寒冷漫长，昼夜温差较大，热量不足，全年温差大，年均气温-2～-1℃。呼伦贝尔土地面积3.8亿亩（2007年），有丰富的资源，土地类型多种多样，土壤类型以暗钙土、栗钙土、淋溶黑钙土及灰色森林土为主，土壤肥沃，自然肥力高。全市森林覆盖率将近50%，主要树种有白桦、山杨、樟子松等。水资源总量占自治区的56.4%，人均水资源占有量高于世界人均占有量。主要的矿产资源包括煤炭、铁、石油、芒硝等。呼伦贝尔有相当丰富的野生植物资源，其中大部分具有药用价值；野生动物品种和数量繁多，居内蒙古自治区第一位，其中的鹿科动物最为有名。呼伦贝尔草甸草原植物区系主要包括诸如委陵菜、山野豌豆等的东亚成分、分布广泛的泛北极成分和东北部的包括贝加尔针茅、线叶菊和羊草的达乌里-蒙古成分，羊草属于该研究区域的绝对优势种，伴生诸如展枝唐松草、裂叶蒿、麻花头、日荫菅、糙隐子草等物种。农田主要种植玉米、油菜、小麦和土豆，农业器械及灌溉设备非常先进。18 内蒙古师范大学硕士学位论文图2-2呼伦贝尔市草地类型图2.3研究区FPAR时间变化规律描述晴天FPAR的日变化呈现比较规律的余弦曲线，一天当中FPAR值的变化幅度也比较大，而FPAR较高值一般出现在每天的早晚，这缘于太阳天顶角的影响。在整个植被生长季，FPAR呈现先增长后减少的趋势，这是因为生长季初期植被低矮，覆盖度低，随着植被的不断增高，植被盖度增加，光合作用强度随之增强，7月下旬FPAR值达到最大；此后由于植被开始枯萎以及打草场开始打草，导致植被对光合有效辐射的吸收比率逐渐降低。0.70.60.58258220.52260460.5348980.50.49222320.44293010.4FPAR值0.30.20.10172192212232天数图2-3研究区生长季实测FPAR变化趋势图19 内蒙古师范大学硕士学位论文说明：图2-3中使用的是2013年6月21日、7月14日、7月25日、8月11日和8月18日实地测量FPAR的均值，来体现研究区草甸草原整个生长季FPAR的时间变化规律。20 内蒙古师范大学硕士学位论文3HJ-1CCD与Landsat-8OLI在FPAR反演中的比较分析目前，国内外关于FPAR的研究，大多都是侧重于与各类植被指数建立经验统计模型或者运用简单的辐射传输物理模型，并且研究对象偏向于小麦、玉米等农作物。此部分研究以中国农业科学院呼伦贝尔草原生态系统国家野外科学观测站为依托，以内蒙古谢尔塔拉镇草甸草原为研究对象，选取成像时间接近的OLI数据和CCD数据，利用FPAR地面实测数据，对研究区FPAR进行反演，然后对结果进行对比与分析。研究结果对今后该区域FPAR的研究具有一定的指导和借鉴作用，同时为HJ-1CCD数据今后在该地区的广泛使用提供理论基础。HJ-1卫星在大范围、快速、动态地开展生态环境监测及评价、跟踪突发环境污染与破坏事件的发生和发展、提高环境宏观监测能力发挥重大作用。两种数据的对比分析对于评价CCD数据的应用潜能、促进其应用具有较高的研究价值。图3-1CCD与OLI数据反演FPAR对比流程图21 内蒙古师范大学硕士学位论文3.1数据的选取与处理3.1.1遥感数据的选取与处理3.1.1.1遥感数据的选取选取呼伦贝尔市草甸草原代表区上方无云、较清晰且成像时间接近的数据HJ-1BCCD2和Landsat-8OLI数据进行对比分析。根据研究区地理坐标和位置，使用的2013年6月11日的HJ-1BCCD2影像数据是从中国资源卫星应用中心（http://www.cresda.com/）下载获取的，其轨道参数为：path:452;row:80，数据级别为二级，投影方式为UTM/WGS-84，数据存储格式为TIFF。中国资源卫星应用中心的建立，促进了我国在灾害监测与评估、科研工作、环境保护、土地详查、生产建设和决策服务等方面的发展，一定程度上满足大家对高空间分辨率影像的需求。通过美国地球资源观测中心（http://glovis.usgs.gov/）下载2013年6月13日的Landsat-8OLI影像数据，其轨道参数为:path:123；row:26，取样方式采取三次卷积，数据存储格式为Geo-TIFF，投影方式也是UTM-WGS84，数据级别同样为二级。两种数据的光谱范围基本相同，空间分辨率都是30m，获取时间及获取时刻均比较接近（表3-1），使得利用这两种数据反演提取的FPAR具有可比性，结果在一定尺度上的适用性也较好。表3-1用于提取FPAR的OLI与CCD数据的基本信息获取时间获取时刻传感器分幅行列号天气状况yyyy-mm-ddhh:mm:ssLandsat-8OLI123/262013-06-1302:53:07晴HJ-1BCCD2456/522013-06-1102:16:11晴，局部有云3.1.1.2遥感数据的预处理辐射定标，旨在建立一种遥感传感器数字量化输出DN值及与其相对应的视场中的辐射亮度值之间的定量描述关系，消除成像时由太阳位置、大气条件等引[64,65]起的辐射量失真现象，达到正确评价目标辐射或反射特征的目的。常用的辐射定标方法包括辐照度法、辐亮度法和反射率法三种。辐照度法实现了与卫星传22 内蒙古师范大学硕士学位论文感器观测几何相似的同步观测，该过程使用了航空平台，经过严格辐射和光谱定标的辐射计才能得以使用，通过机载辐射计获得辐射度这个已知变量来进行遥感器辐射量标定，进而标定卫星，仅仅需要进行飞行高度以上部分的大气校正；反射率法对卫星过顶时的大气光学参量（如气溶胶浓度、大气光厚度等）和目标地物的反射率因子进行同步观测，运用大气辐射传输模型得到传感器入瞳处的辐射亮度值，容易实现和精度较高是这种方法最大的优点；辐照度法确定入瞳处的辐射亮度时使用的是卫星遥感器高度的表观反射率，该值由地面实测总辐射度和向下的漫反射值决定，在计算反射率的工作中避免了计算的复杂性且大大缩减了运算时间，这缘于解析近似方法的使用。本部分研究对原始CCD影像和OLI影像首先进行波段合成和辐射定标，定标类型选择反射率，输出类型为BIL，输出数据时选择浮点型。遥感用到的各种辐射经过地球大气层到达目标地物的过程中，与大气层发生散射、吸收等形式的相互作用，致使光谱分布发生变化，衰减了能量。大气的衰减作用因光的波长不同而具有选择性，即大气对不同波段的影像是有差异的。此外，即使是对同一幅影像而言，大气对不同地区地物的像元灰度值的影响也是不同的，这是由于在太阳辐射的传播过程中大气经过的路径长度不同导致的，而且同一地物的像元灰度值在不同的获取时间也是不一样的。大气校正主要是消除大气中水蒸气、O2、CO2、O3和CH4等物质对地物反射率的影响，以及由大气分子和[66]气溶胶反射引起的影响，大多数情况下也是反演地物真实反射率的过程。即便是在遥感系统正常工作的情况下，由于地球曲率、大气散射、地形起伏等无法避免因素的存在，获取的数据仍旧存在辐射误差。是否需要进行大气校正取决于提取植被生理参数要求的精度、问题本身、大气状况等。常用大气校正的方法包括统计型和物理型两种，其中统计型使用比较容易建立的遥感影像与地表参量间的相关关系，采用的是统计学方法，对局部区域的数据有较好的概括能力；物理型主要是通过构建因果关系、依赖加入新信息或者新知识实现对初始的不好模型的改进，但学习和构建模型是一个相当曲折和漫长的过程。本部分研究选用6S(SecondSimulationoftheSatelliteSignalintheSolarSpectrum)模型对经过波段合成和辐射定标的CCD影像和OLI影像进行大气校正，6S模型的一个特性便是吸收了最新的辐射计算方法，致使计算23 内蒙古师范大学硕士学位论文精度有所提高。该方法的优点是在计算散射和吸收时近似和逐次散射被采用，不但可以实现地面双向散射特性的模拟，而且可以实现非均一性地表的模拟。由于飞行高度、飞行器姿态、地形起伏、地球曲率、地球自转等因素的影响，遥感成像时会出现诸如拉伸、偏移、变形、挤压等影像相对于目标地物发生几何畸变的问题，几何校正便是针对这类问题进行的误差校正。几何精校正在多时相、多光谱影像的配准与制图过程中是必须要进行的一步。在几何校正的过程中必须注重和把握以下两个方面：一是选取什么样的点作为控制点，根据往常的经验多是选择原始影像上诸如道路交叉点、建筑物拐点、河流分叉点、农田边角等地面突变点，因为这些点不但附近像元灰度值差异较大易于识别，而且标志明显；二是在每幅影像上选取多少个控制点最为科学和合理，从一般理论出发当然是控制点的数目越多越好，但点太多会造成工作量太大，反过来选择的点太少又难以达到几何校正的精度，目前关于此类问题没有统一的解决方法，需要通过具体实践时使用影像的畸变程度来确定。另外需要注意的就是在每幅影像中选择控制点时应遵循中心区域少选而四周区域多选的规律，且控制点应该尽量满足均匀分布，以确保校正精度和整体效果。本部分研究的校正影像来自中国TM影像数据库，选择农田角点、道路交叉点等明显标记的地面控制点，最终共选择16个进行几何精校正，校正的总体误差控制在0.3个像元以内。根据研究区FPAR实测点的地理位置，剪裁得到囊括研究区的空间分辨率为30m、投影类型为WGS84的影像，在具体的研究中常根据需求对大幅影像进行裁剪，以便加快数据处理效率和减少数据冗余。3.1.2地面实测FPAR数据的采集与处理3.1.2.1地面实测FPAR的采集AccuPAR植被冠层分析仪（LP-80）是美国LI-COR公司生产的线性光合有效辐射探测仪，用于测量植物冠层拦截的能量，操作简单，能够同时测量植被生理参数FPAR和LAI，被广泛应用于林业、植物学、农业等研究领域。AccuPAR由探杆和数据采集器两部分组成，探杆上包括80个探头，每个探头间相隔1cm,可以-2-1对环境光照中PAR的变化进行截取探测，单位是μmolms，具有便携、经济、自动计算储存等优点。本部分使用的FPAR数据是2013年6月14日、6月16日和6月21日使用AccuPAR植被冠层分析仪采集的，测量时应根据水平球尽量保24 内蒙古师范大学硕士学位论文证仪器水平。采集时将AccuPAR置于观测目标地物上方1.5m处，按仪器上的up-arrow建，然后翻转仪器等仪器稳定后按down-arrow键，仪器分别记录入射和冠层反射的光和有效辐射；然后将仪器插入植被冠层以下土壤之上，界限为不接触土壤，同样按up-arrow和down-arrow键，此时记录的是冠层透射和土壤反射的光和有效辐射。本研究区中心设有涡度塔，样区内有打草场、围封样地和放牧地3种草地类型。设计3km×3km样地区域，形成9个随机布设3-4个基本采样点（ElementarySamplingUnits，ESU）的1km×1km的规则正方形网格，最终共布设33个ESU（图3-2）。每个ESU采用等边三角形的模式布设3个采样点，每个采样点均进行FPAR观测，即每个ESU进行3次FPAR测量，最终取3次测量的平均值作为该ESU的最终FPAR值。每个ESU内的每个采样点均选择8个方向进行测量，冠层顶部入射的太阳辐射比较稳定，因此可以根据实际情况少测几次，但冠层下存在比较大的冠层变动，可以在不同的方向进行多次测量以保证测量值的准确性，AccuPAR植物冠层分析仪自动计算平均值作为该样点的最终结果并进行保存。测量时间是每日的10：00到14:00，与环境星、Landsat-8卫星过境时间一致。另外，用高精度手持GPS记录样点的准确位置及海拔，并用数码相机垂直拍摄附近植被以实现群落组成、盖度等信息的记录。25 内蒙古师范大学硕士学位论文图3-2CCD与OLI影像对比分析野外实测ESU分布示意图说明：示意图的底图为2013年6月11日HJ-1BCCD2标准假彩色合成图，可以看出中心围封样地的颜色与四周打草场与放牧地的颜色明显不同，这是因为围封样地每年均维持其原生态的生长状况，不进行放牧或者打草，底图的采集时间是生长季初期的6月份，新生草类还不高，往年未进行处理的枯草占据优势，故而与周围打草场或者放牧地新长草地的颜色存在一定程度的差异。3.1.2.2地面实测数据的处理地物冠层上方辐射的光和有效辐射（PAR）可以被冠层反射、透射、吸收并被土壤吸收或反射。瞬时FPAR的计算可以用下面公式实现：[PAR(t)PAR(t))(PAR(t)PAR(t)]FPAR(t)=ACACBCBC（1）PAR(t)AC式中：PAR↓AC（t）是测得的冠层上方的瞬时光量子通量密度(PPFD)，PAR↓BC(t)是冠层下方的PPFD，PAR↑AC(t)是冠层上方反射的PPFD，PAR↑BC(t)是土壤表面反射的PPFD。26 内蒙古师范大学硕士学位论文图3-3入射太阳辐射在植被冠层中的分布（图片参考http://fapar.jrc.it/www/data/pages/FAPAR-Home/FPAR-Home-Introduction.php）3.2CCD与OLI数据在FPAR反演中的比较分析为了达到本节内容表述清晰、简便的目的，以下将HJ-1CCD（Charge-coupledDevice）数据简称为CCD，Landsat-8OLI(OperationalLandImager)数据简称为OLI。3.2.1CCD与OLI数据质量对比图3-4研究区像元反射率折线图27 内蒙古师范大学硕士学位论文红光波段是指可见光中波长为630-720nm的部分，主要用于反映绿色植被的色素分布状况，植被叶绿素在该波段范围表现出强吸收能力；近红外波段的波长范围为760-1000nm，反映的是作物的叶片结构，植被叶绿素对其表现出低吸收强反射的特性，因此，在构建经验统计模型时常使用能够很好反映和增强植被信息及较少干扰的红光波段和近红外波段。图3-4显示了裁剪的囊括研究区的呼伦贝尔草甸草原CCD数据和OLI数据的红光波段及近红外波段的地面反射率折线图。由图可知：虽然CCD数据的红光和近红外波段的分布较OLI数据的相应波段更为集中且值域略小，即CCD数据红光和近红外波段的辐射精度较OLI数据偏低，但是从总体上来看两幅影像相应波段反射率值的分布与变化趋势基本一致。并且由于获取的CCD数据局部有云，云具有强烈的散射作用，导致图像对比度降低，带来一定的不确定性。因此，两种数据可以进行研究区FPAR反演研究中的比较分析，结果也具有一定的适用性。3.2.2经验统计模型的建立地理学研究对象的复杂性决定了其研究主要采用模型来实现现象的解释，即只需挑选对总体解释影响较大的因素，而无需对所有影响因素进行列举，因此，模型实际上是部分解释人类活动和影响它的自然过程，目的是通过尽可能少的参数变量提供尽可能多的解释。经验统计模型是在FPAR反演中经常用到的方法，该方法涉及的植被生理参数较少，数据较容易获得，只是区域适用性较弱。在绿色植被光谱特征中，对光能辐射表现特别突出的是近红外波段和可见光中的红光波段，因此这两种波段以数学形式呈现的植被指数被经常用于经验统计模型的建立，因为植被指数能够反映出植被冠层对可见光的吸收变化情况，常用的植被指数有RVI、PVI、NDVI、RDVI等。本研究区植被覆盖度普遍偏高，继而土壤背景的影响显著减少。NDVI的取值范围为-1～1，数值范围比较集中，常用于植被盖度及其生长状态的监测，在消除部分误差中发挥重要的作用，并且与光合作用强度、蒸腾作用等密切相关，因为本部分研究侧重于CCD数据与OLI数据的对比分析，故而未进行植被指数对比，直接选用较常使用的NDVI建立遥感估算FPAR的模型。NDVI的表达式如下：NDVI=NIRR(2)NIRR28 内蒙古师范大学硕士学位论文式中，ρNIR和ρR分别代表近红外波段、红光波段的地表反射率。根据公式（2）分别对经过预处理的CCD影像与OLI影像的NDVI进行计算，提取两幅影像上GPS记录的各个观测点的NDVI，再与用AccuPAR实地观测的FPAR分别进行线性回归分析（图3-5）。2两种影像数据提取的NDVI与实测FPAR值之间的相关性均很好，R分别为20.6395和0.6795，根据CCD数据建立的经验统计模型的R较OLI数据稍微有些偏低，但相差很小。实测FPAR与CCD数据和OLI数据提取的NDVI均呈现正相关的变化趋势，即随着NDVI的增加FPAR均随之增大，但当归一化植被指数达到较高值时，FPAR变化的敏感度逐渐降低，即在一定程度上存在饱和现象。归一化植被指数是监测植被最经典的植被指数，能够在一定程度上消除群落结构阴影和辐射的干扰，同时有效削弱大气环境带来的噪音，CCD影像和OLI影像均包含了可用于估测FPAR的显著信息。图3-5CCD与OLI数据提取的NDVI与实测FPAR之间的相关关系3.2.3模型检验建立的统计模型中的相关关系仅仅是源于先验的或者理论上的考虑，并不意味着变量间存在某种因果关系。为了减少误差和保证研究结果的精准性，应该对2建立的经验统计模型进行检验。不能只用R作为评定模型精度的唯一标准，因此本节研究对模型进行验证时还选择了实际观测值与模型预测值之间的相对误差，其计算公式为：29 内蒙古师范大学硕士学位论文相对误差=ab（3）a图3-6实测FPAR与模型预测值的相对误差图3-6显示了上述两个经验模型的33组地面实际观测值和模型预测值之间的相对误差。CCD数据和OLI数据对研究区FPAR进行反演时建立的经验统计模型的相对误差对于基本采样点而言分布趋势大体一致，大部分满足均正或均负的规律，只有极个别ESU两者的正负不同。CCD影像计算的相对误差的变化范围比OLI影像相对误差范围稍小，即表明CCD数据在精度方面稍微逊色于OLI数据，但仍能满足应用需求。OLI数据反演FPAR时建立的经验模型只有2组数据的相对误差绝对值大于0.3，且均为负值，平均相对误差为-0.01023。CCD影像反演FPAR时建立的统计模型的相对误差最小值为0.002938，最大值为-0.36462，相对误差的均值为-0.02982，有4组数据相对误差的绝对值大于0.3，剩余29组数据的相对误差的绝对值均在0.3以内。验证结果表明，从两种影像上提取的NDVI与实测FPAR的相关性均较好，分别建立的线性模型都能够较准确反演研究区FPAR，鉴于Landsat系列数据的良好使用精度证实HJ-1卫星数据能够满足一定的应用需求。3.2.4CCD与OLI数据反演研究区FPAR精度验证使用地面实测FPAR数据对CCD与OLI数据反演的研究区FPAR精度进行验证，该验证是为了进一步对建立的经验统计模型的准确性进行检验，同时确保研究结30 内蒙古师范大学硕士学位论文果的精准性。在此验证过程中对比了两种数据反演FPAR值与地面实测FPAR值变化趋势的差别，同时分别建立相关关系。图3-7CCD与OLI数据反演FPAR与地面实测FPAR对比图图3-8CCD与OLI数据反演FPAR与地面实测FPAR值间的相关关系由图3-7可以发现，CCD与OLI影像反演FPAR值与地面实测FPAR值变化趋势大体一致，对于大部分基本采样点而言两种数据反演的FPAR值与实测FPAR值差异较小，只有少数几个点差异较大，并且差异较大的基本采样点的实测FPAR值波动较大，这可能是由于如云量、云层不稳定等天气状况所导致的地面实测值出现误差；同时可以看到CCD与OLI数据反演FPAR值的变化趋势基本一致，数值差异也较小，囊括研究区的裁剪CCD影像提取的反演FPAR的最大值为31 内蒙古师范大学硕士学位论文0.521773，最小值为0.040366，平均值为0.4166112，而从OLI影像上提取的相应值分别为0.557408、0.06889和0.413652，这表明两种数据差异较小，在误差允许范围内，满足对比分析的需求。由图3-8可知，根据CCD与OLI数据建立的经验统计模型反演的FPAR值与地面实测FPAR值的相关性均较好，都呈现线性2正相关关系，R分别为0.6395和0.646，进一步说明CCD与OLI数据反演研究区FPAR的精度比较高，满足对比分析需求，结果精准度较高，即HJ-1卫星数据满足该研究区FPAR遥感估算精度要求。3.2.5运用CCD与OLI数据反演FPAR及其相关关系对于每个基本采样单元而言，OLI数据反演的FPAR值普遍高于CCD数据的反演值，且两种数据反演FPAR值的分布趋势基本一致。OLI影像和CCD影像基于各自经验统计模型反演FPAR值多数相差甚少，只有少数几个差别较大，同时2二者的线性正相关关系很好，R高达0.9141，即二者之间具有显著的一致性。CCD数据反演FPAR的取值范围（0-0.7）大于OLI数据反演FPAR的取值范围（0-0.5）。图3-9CCD与OLI反演FPAR示意图及其相关关系3.2.6CCD与OLI数据反演FPAR差值与差值频率频率分布直方图具有直观和形象的特点，能够实现各组频数分布情况和频数间差异的清晰显示，因此常被应用于问题分析中。如图3-10左图显示，CCD影32 内蒙古师范大学硕士学位论文像与OLI影像反演的FPAR值存在差值较大即差异较为明显的区域，导致这个结果最主要的原因是两幅影像成像时存在天气差异，HJ-1CCD数据局部地区有少量的云，在云覆盖地区的周围，其临近像元的程辐射量会增加，这缘于云的强反射和散射作用的影响，并且红光波段较近红外波段的增加趋势更为明显，最终致使CCD数据反演的FPAR值偏小，该结论与前面的研究结果相一致，这一现象同时可以表明基于标准模式的大气校正难以将云的影响完全消除。OLI数据反演FPAR与CCD数据反演FPAR差值的取值范围为-0.2～0.2，且主要集中在-0.05～0.05，即占整个研究区94%的区域的差值不超过5%，只有不到6%的部分差值的绝对值大于0.05，与前面两种数据反演FPAR绝大多数差值较少相统一。CCD数据反演FPAR与OLI数据反演FPAR空间分布模式大致相同，但前者一般比后者偏小，且其变化范围也小于后者。图3-10CCD与OLI影像反演FPAR差值图与差值频率直方图3.2.7CCD、OLI数据反演FPAR散点图与直方图33 内蒙古师范大学硕士学位论文0.6y=0.7625x+0.10120.52R=0.68220.40.3OLI反演的FPAR0.20.1000.10.20.30.40.50.6CCD反演的FPAR图3-11CCD与OLI数据反演FPAR散点图与直方图1019861971295639414926591168967881886698511083611821128061379114776157611674617731-1-2-3相对误差-4-5-6像元图3-12CCD与OLI数据反演FPAR相对误差剔除裁剪影像中受到云和云影影响的区域，生成CCD数据和OLI数据反演FPAR时的散点图和直方图。直方图又可称作质量分布图，可以直观的解析产品质量的分布状况，旨在判断产品总体质量的好坏。由图3-11可知，整幅囊括研34 内蒙古师范大学硕士学位论文2究区域的裁剪影像的CCD数据和OLI数据反演的FPAR值具有较好的一致性，R高达0.6822；CCD数据反演FPAR的直方图较稳定，而OLI数据反演FPAR的波动性更明显，表明其敏感性较好一些，但是总体上两种数据反演FPAR的直方图的分布趋势比较一致，CCD数据反演FPAR的均值比OLI数据反演FPAR的均值小0.8867%，这表明二者反演FPAR值很接近，相差很小，与前面的结论相一致。运用公式（3）计算的相对误差对CCD影像反演FPAR与OLI影像反演FPAR的相关性进行检验，此时公式中的a代表CCD数据反演的FPAR值，b代表OLI数据反演的FPAR值。由图3-12可知，囊括研究区的裁剪图像的18165个像元中的绝大多数的相对误差集中在-1～0.5之间，只有极个别的几个分布在-5～-1的区间内，这说明两种数据反演FPAR相关性的精度较高，满足对比要求，同时为研究结果的精准性提供保障。3.3小结与讨论本章节建立了CCD影像与OLI影像计算提取的NDVI与地面实测FPAR之间的经验统计模型，运用相对误差对模型进行检验，然后分别反演研究区的FPAR，实现CCD数据与OLI数据对比分析的目的，加快推进CCD数据在该地区的广泛使用。结果表明，CCD数据与OLI数据生成的归一化植被指数与实测FPAR之间均2呈现很好的正线性相关关系，R分别为0.6395和0.6795，模型检验证实了该结论且说明利用两种数据建立的模型能够较准确的反演研究区FPAR；运用地面实测数据实现CCD与OLI数据反演FPAR的精度验证，结果显示两种数据反演的FPAR值与地面实测FPAR值的变化趋势基本一致，大多数ESU的数值差异很小并且运用两种数据反演的FPAR值与地面实测FPAR值的相关关系均较好；CCD数据和OLI数据基于各自模型反演的FPAR值对绝大部分基本采样单元而言相差甚少，OLI2数据反演FPAR值普遍高于CCD数据的反演值，并且两者的R高达0.9141即具有显著的一致性；OLI数据反演FPAR与CCD数据反演FPAR的差值不超过5%的占整个囊括研究区域影像的百分比高达94%，差值主要集中在-0.05-0.05的范围内；将影像中产生影响的云和云影区域进行剔除，整个裁剪区基于CCD数据和2OLI数据反演的FPAR相关性比较好(R=0.6822)，运用相对误差实现相关性检验，两者分布趋势大体一致，OLI数据反演FPAR的平均值比CCD数据的反演均值大0.8867%。CCD数据在空间分辨率、波谱分辨率、辐射量化等级、波段设置上与35 内蒙古师范大学硕士学位论文OLI数据基本相同，同时具有比OLI数据高的多的时间分辨率，所以CCD数据与OLI数据的对比分析具有较高的可行性，可以为快速、大面积地获取该区域的FPAR提供有力的理论基础和支撑，并可实现FPAR季节性和年度变化规律的分析，同时促进CCD数据在该地区的使用。由于研究时期、选择的影像及方法、环境状况、大气条件、缺少气溶胶、大2气厚度等实测数据对研究结果精度的影响，导致本部分研究的R较前人要低一些，当然，在野外实地测量FPAR数据的过程中，天气状况、仪器及设备的使用及其他无法避免的人为因素，都会影响实测值的准确性和精度，进而产生累积误差导致相关性不是很高。野外数据采集时是在离散点上进行的，因而无法充分反映FPAR连续尺度的特征，进而对经验统计模型产生一定程度的影响。像元异质性即地表覆盖的非连续性是影响研究精度最主要的因素，本研究区内部包含放牧地、打草场和围封样地三种草地类型，在生长季的各个阶段，三种草地类型的生长状况各不相同，必然导致像元异质性进而影响研究结果的精度；大气校正精度对于时序数据的统一建模分析至关重要，且决定后续定量分析的精度，本部分研究欠缺大气校正精度的检验。即便是如此，该部分研究建立的FPAR估算模型仍然适用于本研究区域，可以为该地区FPAR的进一步研究提供借鉴和指导。36 内蒙古师范大学硕士学位论文4基于HJ-1CCD影像的MODIS/FPAR产品验证目前，多数关于MODIS产品验证的研究是针对于农田、林地的LAI，在不同区域、不同植被类型条件下对MODIS/FPAR产品进行验证很有必要，并且关于呼伦贝尔草甸草原MODIS/FPAR产品的验证也比较少。本部分研究利用2013年5次野外实测数据，通过高分辨率HJ-1CCD影像这座桥梁，实现呼伦贝尔草甸草原MODIS/FPAR产品的验证，研究结果可以促进对该地区光合有效辐射吸收比率的了解，并且为进一步使用MODIS/FPAR数据提供可靠的理论依据。利用地面实测数据直接对MODIS/FPAR产品进行验证存在许多不确定性的原因是无法避免尺度不匹配、空间异质性等问题，因此可以充分利用高分辨率影像，通过建立高分辨率影像提取的植被指数与地面实测FPAR值间的经验统计模型，反演得到高分辨率的FPAR图像，然后运用升尺度方法获得低分辨率的FPAR图像，进而进行对比分析，达到对该区域MODIS/FPAR产品验证的目的。图4-1MODIS/FPAR产品验证流程图37 内蒙古师范大学硕士学位论文空间尺度问题是生态学、地理学等多个学科的基础科学问题，因为通常情况下地学过程的运行尺度与科研的分析尺度、观测尺度、应用尺度并不一致，在全球化的背景条件下尺度转换理论和方法的重要性日益突出。总体而言，目前已经掌握了尺度转换的意义，并研究出一些相应的转换方法，但在尺度转化方法精度及其评价层面的研究和结论都比较欠缺。尺度转换是实现数据同化、数据共享和构建协调统一模型等方面的关键保证。按照转换前后尺度大小的变化方向可以将尺度转换的方法归纳为升尺度和降尺度两种。通常所说的尺度扩展或尺度上推就是所谓的升尺度，标志着更加整体和宏观的认识与分析，是指将小尺度的信息推译到大尺度，相反方向的尺度转换方法称之为降尺度。升尺度过程与常见的采样原理非常相似，在真实性检验研究中占据着重要的位置，为其提供理论与技术支撑。4.1航空遥感实验简介航空遥感实验在2014年7月10日-7月14日开展，使用运5飞机搭载WIDAS传感器系统（多光谱相机、彩色高分辨率相机、热红外成像仪）对呼伦贝尔野外观测站附近12km×20km的范围进行飞行观测，获取高空间分辨率的遥感影像，在飞行区域内共包含四个实验样地（11队贝加尔针茅样地、12队羊草样地、放牧样地和农田样地），同步获取LAI、FPAR、叶绿素、株高叶倾角、覆盖度和光谱等草地生态系统关键参数。该实验旨在通过星-机-地同步试验数据，进行星基、近空间和地基同步获得数据的一致性分析、尺度转换，以及草原生态系统结构、功能和环境生理参数的反演、验证和真实性检验，为该区域遥感监测算法改进提供支持。航空飞行实验的飞行高度为3000m，获得的多光谱影像的空间分辨率为1.4m，可用于对高分辨率影像的几何精校正，本部分成果主要用于实现HJ-1CCD影像的几何校正。38 内蒙古师范大学硕士学位论文图4-2航空飞行实验路线示意图4.2数据采集与处理4.2.1地面FPAR采集本研究区是呼伦贝尔草甸草原的代表性样地。根据MODIS/FPAR产品数据的时间分辨率，结合天气状况，选择草地生长季的2013年6月23日、7月14日、7月21日、8月11日和8月19日进行地面实测数据的采集。同MODIS卫星过境时间一致，地面数据获取时间也是每日10:00-14:00。设计3km×3km的实验样区，因为MODIS/FPAR产品的空间分辨率为1km，因此将整个实验样区划分为9个1km×1km的小样区，在每个小样区布设3-4个基本采样单元，最终共布设32个ESU。布设采样点时要求均匀分布于整个研究区域，具有代表性且周围地势平坦，囊括围封样地、打草场和放牧地3种草地类型。每个ESU进行3次FPAR观测，剔除误差点，以其平均值作为该基本采样单元的最终FPAR值。39 内蒙古师范大学硕士学位论文图4-3MODIS/FPAR产品验证ESU分布示意图4.2.2遥感数据的获取与处理4.2.2.1HJ-1CCD高分辨率影像数据通过中国资源卫星应用中心下载与野外数据采集时间接近的HJ-ICCD高分辨率影像（表4-1）。环境与灾害监测与预报小卫星的波谱范围为0.43-0.9um，设置了蓝(0.43-0.52um)、绿(0.52-0.60um)、红(0.63-0.69um)和近红外(0.76-0.90um)四个波段。可以首先对所有用到的CCD影像进行裁剪，得到囊括整个研究区域的裁剪图像，这样可以减少数据处理量和提高数据处理的速度。波段合成和辐射定标通过ENVI5.0进行，选择反射率为定标类型，输出数据为浮点型，输出类型为BIL，处理结果是获得表观辐亮度影像。接着使用ENVI内嵌的FLAASH模块实现表观辐亮度影像的大气校正，生成地面反射率影像，气溶胶类型选择乡村型，大气模式为亚北极区夏季。最后，运用航空遥感实验得到的更高空间分辨率（1.4m）的航空遥感数据选取农田边缘、十字路口等特征明显的点进行几何精校正，校正的总体误差控制在0.5个像元之内。40 内蒙古师范大学硕士学位论文表4-1地面观测及影像获取时间信息地面观测日期HJ-1CCD影像成像时间MODIS/FPAR影像成像时间MODIS/FPAR产品对应天数（d）201306212013062320130618169-176201307142013071320130704185-192201307252013072120130720201-208201308112013081120130805217-224201308182013081920130813225-234FLAASH模块的计算方法是辐射传输法，适合于对高光谱数据和多光谱数据进行大气校正，对大气影响有精确的补偿作用，使用FLAASH模块的前提条件是必须经过辐射定标。ENVI内嵌FLAASH大气辐射校正模型在目前图像预处理中得到广泛使用，并且处理精度较高，可以有效消除漫反射引起的连带效应。对于时序数据的统一建模分析而言，大气校正的精度非常重要，且对后续定量分析起到至关重要的决定作用。通常通过以下几种方法对大气校正的精度进行检验：一是对某一能够反映植被特性的波段进行波段统计，然后分析统计直方图，如若校正后的影像能够实现地物波谱信息较真实的恢复，则表明大气校正精度符合一般的应用需求；二是提取校正前后影像的某一种植被指数，最常用的是归一化植被指数，然后进行对比，分析校正前后选用植被指数的平均值和标准差；三是对比校正前后的图像，通常采用标准假彩色合成影像。此处选取2013年7月21日的校正前后的影像检验大气校正的精度。图4-4大气校正前后标准假彩色合成图由上图可知：校正前的影像受到云和云影的严重影响，图像对比度不高，校41 内蒙古师范大学硕士学位论文正后的图像地物非常清晰，对比度明显提高，视觉效果也好了很多。提取校正前后囊括研究区的裁剪影像的RVI和NDVI，统计计算它们的标准差和平均值，其中标准差反映的是离散程度，值越大表明图像的目视效果越好，具有更加分散的[36]灰度级；而平均值代表的是图像的灰度值，表示的信息量越丰富值越大。校正前后影像RVI的平均值分别为4.890905和5.53834456，相应标准差为0.230948和0.304429，NDVI平均值分别为0.381252和0.459827059，对应标准差为0.197594和0.281492。综上，FLAASH模块能够消除大气中气溶胶的影响，增强图像的质量，减少后续定量分析的不确定性，并且能够在一定程度上降低大气对高分辨率影像的影响，获得较为准确和真实的地表反射率值，达到增强信息的目的。4.2.2.2MODIS/FPAR产品的获取与处理通过USGS下属的MODIS陆地产品数据发布中心(https://lpdaac.usgs.gov/)，下载获得相应时间段内的空间分辨率为1km、时间分辨率为8d、利用最大合成法得到MODIS/FPAR产品MOD15A2，其条带号为h25v04，遥感平台为Terra卫星传感器。从MODIS的EOS中心下载的影像数据的投影方式为正弦投影（ISIN），数据存储格式为HDF，因此需要使用数据重投影工具MRT(MODISReprojectionTool)将获取的MODIS/FPAR产品转换为UTM/WGS84投影，同时利用重采样的方法将存储格式转变为TIFF格式，目的是方便与HJ-1CCD影像进行叠加处理与分析。将转换投影方式和存储格式的影像乘以增益系数0.01，这是因为MODIS/FPAR产品在生成时被放大了100倍。4.3建立统计模型无量纲的原始DN值或者没有经过大气校正的辐射亮度不能进行植被指数的计算。DNVI（归一化植被指数）常被用于植被处于低、中覆盖度的状况下，且会随着覆盖度的增加而迅速增大，当达到一定覆盖度后增长减缓，即通常所说的达到饱和，所以适用于绿色植被早、中期生长阶段的研究与监测。MODIS/FPAR产品值计算时便是运用的NDVI与FPAR之间的经验统计模型作为备用算法。通常情况下比值植被指数（RatioVegetationIndex,RVI）能够实现植被盖度及生长状况差异很好的反映，又被称作绿度，在植被覆盖度较高的条件下比较适用。42 内蒙古师范大学硕士学位论文RVI=ρNIR/ρR（4）式中ρNIR、ρR分别代表卫星影像数据的近红外波段、红光波段的反射率。首先根据公式（2）、（4）分别计算各幅影像的RVI和NDVI，根据野外地面测量GPS记录的采样点的地理坐标信息对VIs进行提取，得到研究区实验样点的RVI值和DNVI值，然后分别与实测FPAR值建立经验统计模型。由图4-5可知，在3km×3km研究区域内整个草地生长季影像计算提取的RVI和NDVI与地面实测2FPAR之间均呈现较好的线性相关关系，R分别为0.6435和0.567，但是相比较而言FPAR-RVI回归结果优于FPAR-NDVI。并且从生理角度出发，RVI是绿色植被的灵敏指标参数，且呼伦贝尔草甸草原草地生长季除了初期的6月份均呈现较茂盛的生长状态。对同一幅影像进行波段计算分别求取归一化植被指数和比值植被指数时会出现NDVI的增加速度明显慢于RVI增加速度的现象，同时NDVI具有容2易达到饱和的特性。综合统计模型R及两种植被指数的适用性与局限性，最终采用FPAR-RVI统计关系对经过预处理的遥感影像进行FPAR反演，从而得到高分辨FPAR图像。图4-5影像提取VIs与地面实测FPAR间的相关关系同样对实测FPAR和利用FPAR-RVI关系反演得到的FPAR建立经验模型，可2以发现两者之间具有较好的线性正相关关系，R达到0.6386。然后运用相对误差对建立的模型进行检验和评价，结果显示，大部分实验样点的相对误差较小，集中分布于-0.2—0.4，平均相对误差为-0.07772，只有7.25%样点的相对误差43 内蒙古师范大学硕士学位论文的绝对值大于0.6，这表明通过经验模型反演生成高分辨率FPAR图像的精度较高，满足MODIS/FPAR产品验证的需求。图4-6实测FPAR与反演FPAR相关关系及其验证4.4结果与分析4.4.1MODIS/FPAR像元“真值”的获取验证空间分辨率较低的遥感影像的主要瓶颈便是其像元“真值”的获取，即如何获得地表同尺度同像元的实测数据，进而进行对比分析达到验证目的，因此常常需要使用高空间分辨率数据作为桥梁，实现点向面（区域）的尺度扩展。本部分研究在对MODIS/FPAR产品进行验证的过程中假定研究区囊括的三种草地类型样地内部是均一的，然后对每个1km×1km样区经过“升尺度”生成的高分辨率FPAR图像像元作均值处理得到“真值”。目前常用的获取“真值”的方法除均值法外还有二阶导数法、泰勒公式展开法等。4.4.2同尺度（1km）MODI/FPAR与HJ/FPAR对比分析1.在各幅经过预处理的HJ-1CCD影像上运用FPAR-RVI关系模型，经过运算生成高分辨率（30m）的FPAR图像，然后对其以1km×1km为尺度进行小像元的平均处理，得到1km的FPAR“真值”图，为了达到直观、方便的目的以下简称为1kmHJ/FPAR。对于MODIS/FPAR影像，以面积作为加权系数，计算得到同尺度（1km×1km）的FPAR值。然后对各个时期研究区域内的9个1km×1km样地共45个MODIS/FPAR值与对应1kmHJ/FPAR44 内蒙古师范大学硕士学位论文“真值”进行逐个对比。如图4-7可以看出，1kmHJ/FPAR的“真值”与2MODIS/FPAR产品值具有基本一致的变化趋势，且二者的R达到了0.6762，即1kmHJ/FPAR的“真值”与MODIS/FPAR值具有比较好的一致性。但在整个研究区域内，MODIS/FPAR值普遍高于HJ/FPAR的“真值”，也就是说MODIS/FPAR产品有明显的高估现象。综合45个1km×1km采样点的数据，MODIS/FPAR值的平均值为0.6619，而1kmHJ/FPAR“真值”的平均值为0.4587，MODIS/FPAR值比1kmHJ/FPAR“真值”平均高估了44.3%。同时，所有1km*1km样地的相对误差均在0.5以内，其实绝大多数的相对误差小于0.4，平均相对误差为0.3127，每期影像研究区样地尺度（3km×3km）样区内的变化趋势基本一致，即每9个1km×1km的样地的相对误差大体符合正态分布。图4-71kmHJ/FPAR与MODIS/FPAR产品值逐像元对比及其相关关系0.60.50.40.3相对误差0.20.10135791113151719212325272931333537394143451km*1km样地图4-8逐1km*1km样地相对误差直方图45 内蒙古师范大学硕士学位论文4.4.3研究区样地尺度（3km×3km）HJ/FPAR与MODIS/FPAR比较分析对各时期低分辨率（1km）HJ/FPAR图像中的9个1km×1km样地数据进行平均，即获得整个研究区域各时期的HJ/FPAR值，同时求得对应时期的MODIS/FPAR产品的平均值，然后进行对比分析。在研究区样地尺度上，HJ/FPAR和MODIS/FPAR产2品值的变化趋势也是一致的，并且二者一致性非常好，R高达0.9148，这表明对于呼伦贝尔草甸草原整个生长季的长势及变化MODIS/FPAR产品都能够进行很好的反映。同样地，MODIS/FPAR产品值在研究区样地尺度上比HJ/FPAR“真值”均偏高，即也存在高估现象，且高估程度在整个生长季比较一致。0.80.750.70.650.6MODIS/FPARFPAR0.55样地尺度HJ/FPAR0.50.450.40.350.3170180190200210220230天数0.75y=0.9769x+0.20420.72R=0.91480.650.6样地尺度MODIS/FPAR0.550.50.30.40.50.6样地尺度HJ/FPAR图4-9样地尺度HJ/FPAR与MODIS/FPAR对比46 内蒙古师范大学硕士学位论文4.5结论、误差分析与讨论4.5.1结论本部分研究利用2013年6-8月内蒙古呼伦贝尔谢尔塔拉镇草甸草原开展的野外地面实测试验数据，借助HJ-1CCD高分辨率影像这座桥梁，实现MODIS/FPAR产品在该研究区域适用性的验证。结果表明：整个草地生长季，3km×3km的研究区域内实地采集的FPAR数据与HJ-1CCD影像上提取的RVI之间存在着较好的相关关2系，R达到了0.6435；利用FPAR-RVI经验统计模型反演FPAR与实测FPAR相关关系2也很好（R=0.6386），运用相对误差对建立的模型进行检验时发现大多数采样点的相对误差较小，相对误差的均值为-0.07772，只有大约7%采样点的相对误差的绝对值超过0.6，说明建立的实测FPAR与根据FPAR-RVI关系反演FPAR间的统计模型的精度较高，满足应用需求，反演得到的高分辨率FPAR图像的准确度也较高；MODIS/FPAR在时间序列上能够反映该草甸草原的生长状态和物候变化，因为MODIS/FPAR产品与反演FPAR值在相同尺度上的变化趋势一致，但MODIS/FPAR产品具有一定程度的高估现象。在地面实测数据的采集过程中，天气状况、仪器设备以及一些不可避免的人为因素都会对研究结果的精度产生一定程度的影响。实测数据的准确性、土地覆盖类型及地面反射率输入等都会影响到MODIS产品的验证精度。在1km×1km样地尺度上，MODIS/FPAR值比1kmHJ/FPAR“真值”平均高估了44.3%。研究区样地尺2度（3km×3km）上，MODIS/FPAR产品值与HJ/FPAR间的R高达0.9以上，即二者具有相当好的一致性，变化趋势和高估趋势在整个生长季也是一致的。尺度转换是遥感真实性检验的重点，同时也是难点，关系着检验结果的准确度，本部分研究采用平均法获取高分辨影像的“真值”，这方面的理论及方法还有待进一步的完善与改进。4.5.2误差分析与讨论植物光和有效辐射吸收比率是一个植被光学特征参量，其遥感反演和验证都存在独特性。在一天当中绿色植被的叶面积、冠层结构等影响因素均可视为保持不变的，因而光照条件便成为影响FPAR值的一个重要因素，在多云或者云量变化比较大的天气条件下测得的FPAR值是不可信的，因为云量的不稳定造成测量值的累积误差特别大，而光照条件中最主要的影响因素是FPAR随太阳天顶角的变化而变化。大气条件、植被种类、遥感影像质量、遥感图像的预处理等问题的存在，47 内蒙古师范大学硕士学位论文均会对植被指数与FPAR之间相关统计模型的精度产生影响。FPAR与VIs间的不确定性包括土壤背景、饱和现象、太阳高度角、观测方位角、植被形态结构等。建立经验统计模型时的地面实测数据都是基于离散的采样点获得的，参数的物理意义无法明确，因而不能够充分反映FPAR连续尺度的转换规律。同时由于使用影像的光谱、时相和成像几何机理的不同，缺少传感器成像归一化这个前提条件。地表覆盖的非连续性即像元异质性不但是影响FAPR反演的重要因素，同时是影响MODIS/FPAR产品验证精度最主要的因素。本研究区内包含打草场、放牧地和围封样地三种草地类型，并且在各个生长时期三种草地类型的生长状况各不相同。生长初期的6月份，围封样地枯草所占比重比较大，新生草类大多数被往年未处理的枯草所覆盖，致使围封样地的像元异质性较打草场和放牧地而言更为严重。生长季中期一直到7月下旬，随着浓密冠层的形成围封样地的异质性逐渐减小。8月中下旬到生长季结束，打草场开始打草，并且有些草种开始出现枯黄现象，地表异质性相当明显。地表异质性引起土壤覆盖类型和地面反射率输入的不确定性，进而导致MODIS/FPAR产品的高估现象。在以往的升尺度研究中，往往需要假定变量的统计关系在不同尺度区域保持一致或可以定量表达这一前提，混合像元不再具备朗伯体性质进而造成尺度效应这个影响遥感反演与产品验证真实性的重要因素，在以后的研究中可以适当选择尝试使用GIS中的空间插值、小区域统计学、分型方法等技术手段，并且注重尺度转换精度评价的准则和方法。由于地学对象的复杂性，构建精准的反演模型并不容易，基于这一模型进行的尺度转换的研究尚不成熟。48 内蒙古师范大学硕士学位论文5总结与展望5.1结论FPAR是决定干物质累积及生物量的关键因子，快速准确的实现FPAR反演及MODIS/FPAR产品的验证是遥感估算的基础，关于该地区的FPAR研究还比较少，但早在20世纪50年代，李博等老一辈科学家已经在呼伦贝尔开展了草原生态系统的观测，积累了丰富的数据和资料。本文以呼伦贝尔市草甸草原为研究对象，针对经验统计模型使用范围小和MODIS/FPAR算法对于草地过于粗糙的问题，在研究区设计和进行了地面真实性检验试验，进行HJ-1CCD数据与Landsat-8OLI数据在研究区FPAR反演中的对比分析，证实HJ-1CCD数据在该区域的适用性，然后将HJ-1CCD影像作为桥梁，实现MODIS/FPAR产品的验证，使草地FPAR遥感估算的精度得到提高，对于草地生物量监测和生态系统研究均具有重要意义。5.2展望FPAR反演与MODIS/FPAR产品验证工作一直受到广大科学研究者的关注和重视，国内外对相关内容已经开展了较多的工作。本文结合地面实测数据，实现研究区FPAR的反演与验证，取得一定的研究成果，但由于研究时间比较短，以及个人能力有限，有很多的工作还需要进一步的探索和研究。中国草地类型复杂多样，关于草地FPAR反演与MODIS/FPAR数据验证工作可以扩展到多种草地类型和区域，以便提高MODIS/FPAR产品精度，使草原利用更加合理高效。重要陆地特征参量FPAR控制着诸如光合、碳循环、呼吸等许多生物、物理过程，还可以定量化描述植被冠层表面最初能量交换，利用遥感手段在区域尺度上[2,32]估算FPAR是最有效的途径。但是伴随着遥感估算FPAR方法的快速发展同时发现许多不确定性的存在，对这些方法的运行及最终产品的应用产生影响。在全球化、信息化、计算机技术迅速发展的趋势下，遥感FPAR估算将会在以下几个方面展开：(1)FPAR估算的重要方法仍然是植被指数法，但其重点应该是植被指数受饱和现象、土壤背景机理的深入研究，发现更加适用的植被指数，减少大气状况、像元异质性等产生的负面影响；目前虽然有先验知识作为基础，但在机理上其反演过程仍旧是一个病态过程，属于以数学为支撑的反演方法的范畴，缺少生态学意义。49 内蒙古师范大学硕士学位论文因此，应该在原有基础上结合生态学方法，改进反演算法，满足不同用户的需求。(2)目前FPAR研究通常包括非绿色部分（枯枝落叶、干物质等）所吸收的太阳辐射，从而对研究精度产生影响，因此，将非绿色部分与绿色部分分开成为利用遥感手段研究FPAR的重点和难点。当前关于FPAR的研究绝大多数是基于冠层尺度展开的，而研究表明叶绿素对FPAR的影响不容忽视，因而可以发展对生态学研究具有深层次科学意义的基于叶绿素的FPAR估算方法，同时进一步深入研究散射PAR对FPAR的影响。(3)开展包括遥感航空实验等不同尺度的观测数据网络的建设，结合丰富的先验知识，不但可以实现FPAR反演算法的改进、提高反演精度，而且可以满足区域乃至全球尺度FPAR产品验证的数据需求，避免了由于数据源不足而造成的FPAR算法改善、估算研究、产品验证无法进行等问题的产生。加强多角度、多源遥感信息的挖掘，可以达到丰富先验知识的目的。(4)随着研究深度的增加，很多学者对FPAR产品的高时间和高空间分辨率提出迫切需求。目前虽然有许多数据产品供大家使用，但尺度问题依然存在且亟需解决，并且目前的FPAR产品很难满足区域尺度上的应用要求。所以，后续关于FPAR的研究应当主要侧重于发展高分辨率FPAR产品和长时间序列的FPAR产品，而进行这些工作的关键在于遥感尺度问题的解决和更高分辨率卫星影像的使用。50 内蒙古师范大学硕士学位论文参考文献[1]高彦华,陈良富,柳钦火,等.叶绿素吸收的光合有效辐射比率的遥感估算模型研究[J].遥感学报,2006,10(5):798-803.[2]吴炳方,曾源,黄进良.遥感提取植物生理参数LAI/FPAR的研究进展与应用[J].地球科学进展,2004,19(4):585-590.[3]王中挺,厉青,陶金花,等.环境一号卫星CCD相机应用于陆地气溶胶的监测[J].中国环境科学,2009,29(9):902-907.[4]杨飞,张柏,宋开山,等.玉米光合有效辐射分量高光谱估算的初步研究[J].中国农业科学,2008,41(7):1947-1954.[5]周晓东,朱启疆,王锦地,等.夏玉米冠层内PAR截获及FPAR与LAI的关系[J].自然资源学报,2002,17(1):110-116.[6]王培娟,朱启疆,吴门新,等.冬小麦冠层的FAPAR、LAI、VIs之间关系的研究[J].遥感信息,2003(3):19-22．[7]陈学洋,蒙继华,吴炳方,等.基于HJ-1CCD的夏玉米FPAR遥感监测模型[J].农业工程学报,2010,26(1):241-245.[8]李刚,张华,范闻婕,等.MODIS/FAPAR在呼伦贝尔草原区的精度验证与分析[J].农业工程学报,2010,26(12):217-224.[9]RidaoE,CondeJR,MinguezMI.EstimatingfAPARfromninevegetationindicesforirrigatedandnonirrgatedfababeanandsemileaflesspeacanopies[J].RemoteSensingofEnvironment,1998,66(1):87-100.[10]KnyazikhinY,MartonchikJV,DinerDJ,elat.Estimationofvegetationcanopyleafareaindexandfractionofabsorbedphotosyntheticallyactiveradiationfromatmosphere-correctedMISRdata[J].JournalofGeophysicalResearch,1998,103:32239-32256.[11]陶欣,范闻婕,王大成,等.植被FAPAR的遥感模型与反演研究[J].地球科学进展,2009,24(7):741-747.[12]HuemmrichKF,GowardSN.VegetationcanopyPARabsorptanceandNADI:AnassessmentfortentreespecieswiththeSAILmodel[J].RemoteSensingofEnvironment,1997,61(2):254-269.51 内蒙古师范大学硕士学位论文[13]KnyazikhinY,MartonchikJV,MyneniRB,etal.SynergisticalgorithmforestimatingvegetationcanopyleafareaindexandfractionofabsorbedphotosyntheticallyactiveradiationfromMODISandMISRdata[J].JournalofGeophysicalResearch,1998(12),103:32257-32275.[14]MyneniRB,RamakrishnaRN,RunningSW.Estimationofgloballeafareaindexandabsorbedparusingradiativetransfermodels[J].IEEETransactionsonGeoscienceandRomoteSensing,1997,35(6):1380-1393.[15]张宏斌,杨桂霞,吴文斌,等.呼伦贝尔草原MODISNDVI的时空变化特征[J].应用生态学报,2009,20(11):2743-2749.[16]朱高龙,李明泽,居为民,等.HJ-1CCD与Landsat-5TM在森林叶面积指数反演中的比较分析[J].东北林业大学学报,2011,39(1):127-130.[17]刘晓臣,范闻婕,田庆久,等.不同叶面积指数反演方法的比较研究[J].北京大学校报（自然科学版）,2008(2):57-64.[18]吴琼,包玉海,张宏斌,等.基于PROSAIL模型及HJ-1A-CCD2影像的MODIS/LAI产品精度验证[J].草业科学,2014,31(03):399-407.[19]栾海军,田庆久,余涛,等.定量遥感升尺度转换研究综述[J].地球科学进展,2013,6(28):657-664.[20]刘瑜.基于FLAASH模型的MODIS1B数据的大气校正[J].测绘与空间地理信息,2013,3(26):47-49.[21]RangaMyneni,YuriKnyazikhin,JosephGlassy,etal.FPAR,LAI(ESDT:MOD15A2)8-dayCompositeNASAMODISLandAlgorithm[Z].FPAR,LAIUser’sGuide,2003.[22]BacourC,BaretF,BéalD.NeuralnetworkestimationofLAI,fCoverandLAI×Cab,fromtopofthecanopyMERISreflectancedata:priciplesandvalidation[J].RemoteSensingofEnvironment,2006,105(4):313-325.[23]TianYuhong.EvaluationofthePerformanceoftheMODISLAIandFAPARAlgorithmwithMultiresolutionSatelliteData[D].Boston:BostonUniversityGraduateSchoolofArtandSciences,2002.[24]李瑾,张德罡,张宏斌,等.呼伦贝尔草原FPAR/LAI模型的验证[J].草原与草坪,2011,31(2):15-22.[25]杨飞,张柏,王宗明,等.基于MODIS数据的玉米植被参数估算方法的对比分析[J].遥感52 内蒙古师范大学硕士学位论文技术与应用,2008,23(2):147-153.[26]杨飞,张柏,刘志明,等.玉米冠层FPAR的高光谱遥感估算研究-基于PCA方法及近、短波红外波段[J].国土资源遥感,2008,4(78):9-13.[27]MyneniRB,HoffmanS,KnyazikhinY,etal.GlobalproductsofvegetationleafareaandfractionabsorbedPARfromyearoneofMODISdata[J].RemoteSensingofEnvironment,2002,83(1/2):214-231.[28]SteinbergDC,GoetzS.AssessmentandextensionoftheMODISFAPARproductsintemperateforestsoftheeasternUnitedStates[J].InternationalJournalofRemoteSensing,2009,30(1):169-187.[29]FensholtR,SandholtI,RasmussenMS.EvaluationofMODISLAI,FAPARandtherelationbetweenFAPARandNDVIinasemi-aridenvironmentusinginsitumeasurements[J].RemoteSensingofEnvironment,2004,91(3/4):490-507.[30]李刚,王道龙,范闻婕,等.羊草草甸草原FPAR时间变化规律分析[J].遥感信息,2009,1:10-15.[31]杨飞,张柏,刘殿伟,等.MODIS混合像元中居民地对玉米LAI和FPAR遥感估算影响[J].干旱地区农业研究,2010,2(28):243-248.[32]董泰锋,蒙继华,吴炳方.基于遥感的光合有效辐射吸收比率(FPAR)估算方法综述[J].生态学报,2012,22(32):7190-7201.[33]李刚,张华,王道龙.基于PROSAIL模型的温性草甸草原FPAR遥感反演[J].中国草地学报,2014,2(36):61-69.[34]胡云峰,徐芝英,刘越,等.地理空间数据的尺度转换[J].地球科学进展,2013,3(28):297-204.[35]孟斌,王进峰.地理数据尺度转换方法研究进展[J].地理学报,2005,2(60):277-288.[36]刘艳,汪宏,张璞,等.MODIS大气校正精度评价及其对表层雪密度提取影响[J].国土资源遥感,2011,1:128-132.[37]VerstraeteMM,GobronN,AussedatO,etal.AnautomaticproceduretoidentifykeyvegetationphenologyeventsusingtheJRC-FAPARproducts[J].AdvancesinSpaceResearch,2008,41(11):1773-1783.[38]GobronN,PintyB,MélinF,etal.EvaluationoftheMERIS/ENVISATFAPARproduct[J].AdvancesinSpaceResearch,2007,39(1):105-115.53 内蒙古师范大学硕士学位论文[39]MyneniRB,WilliamsDL.OntheRelationshipbetweenFAPARandNDVI[J].RemoteSensingofEnvironment,1994,49(3):200-211.[40]EpiphanioICN,HueteAR.DependenceofNDVIandSAVIonsun/sensorgeometryanditseffectonfAPARrelationshipsinAlfalfa[J].RemoteSensingofEnvironment,1995,51(3):351-360.[41]CristianoPM,PosseG,DiBellaCM,etal.UncertaintiesinfPARestimationofgrasscanopiesunderdifferentstresssituationsanddifferencesinarchitecture[J].InternationalIournalofRemoteSensing,2010,31(15):4095-4109.[42]OlofssonP,EklundhL.EstimationofabsorbedPARacrossScandinaviafromsatellitemeasurements.PartⅡ:modelingandevaluatingthefractionalabsorption[J].RemoteSensingofEnvironment,2007,110(2):240-251.[43]BaretF,GuyotG.PotentialsandlimitsofvegetationindicesforLAIandAPARandassessment[J].RemoteSensingofEnvironment,1991,35(2/3):161-173.[44]McCallumL,WagnerW,SchmulliusC.ComparisonoffourglobalFAPARdatasetsoverNorthernEurasiafortheyear2000[J].RemoteSensingofEnvironment,2010,114(5):941-949.[45]TianYH,ZhangY,KnyazikhinY,etal.PrototypingofMODISLAIandFPARalgorithmwithLASURandLANDSATdata[J].IEEETransactionsonGeoscienceandRemoteSensing,2000,38(5):2387-2401.[46]邵田田,宋开山,杜嘉,等.基于偏最小二乘法的玉米FPAR高光谱反演模型研究[J].地理与地理信息科学,2012,28(3):27-31.[47]金秀良,李少坤,王克如,等.基于不同植被指数的棉花光合有效辐射吸收分量估算研究[J].棉花学报,2011,23(5):447-453.[48]刘爱军,王保林,黄平平,等.基于反射率及导数的草原植被冠层光合有效吸收分量高光谱反演[J].草地学报,2012,20(6):1004-1010.[49]周斌,陈良富,舒晓波.FPAR的MonteCarlo模拟研究[J].遥感学报,2008,12(3):385-391.[50]SteinbergDC,GoetzSI,HyerEI.ValidationofMODISFPARproductsinborealforestsofAlaska[J].IEEETransactionsonGeoscienceandRemoteSensing,2006,44(7):1818-1828.54 内蒙古师范大学硕士学位论文[51]HuIN,TanB,ShabanovN,etal.PerformanceoftheMISRLAIandFPARalgorithm:acasestudyinAfrica[J].RemoteSensingofEnvironment,2003,88(3):324-340.[52]GobronN,PintyB,AussedatO,etal.UncertaintyeatimatesfortheFAPARoperationalproductsderivedfromMERIS-Impactoftop-of-atmosphereradianceuncertaintiesandvalidationwithfielddata[J].RemoteSensingofEnvironment,2008,112(4):1871-1883.[53]BaretF,HagolleO,GeigerB,etal.LAI,fAPARandfCoverCYCLOPESglobalproductsderivedfromVEGETATION:Part1:Principlesofthealgorithm[J].RemoteSensingofEnvironment,2007,110(3):275-286.[54]LiL.PARandFPARRetrievalbaseonMulti-sourceremotesensingData[D].Beijing:InstituteofRemoteSensingApplication.ChineseAcademyofScience,2010.[55]HuJH,SuY,TanB,etal.AnalysisoftheMISRLAI/FPARproductforspatialandtemporalcoverage,accuracyandconsistency[J].RemoteSensingofEnvironment,2007,107(1/2):334-347.[56]ShabanowNV,WangY,BuermannW,etal.EffectoffoliagespatialheterogeneityintheMODISLAIandFPARalgorithmoverbroadleafforests[J].RemoteSensingofEnvironment,2003,85(4):410-423.[57]SchotterkerB,PhinnS,SchmidtM.HowdoestheglobalModerateResolutionImagingSpectroradiometer(MODIS)FractionofPhotosyntheticallyActiveRadiation(FPAR)productrelatetoregionallydevelopedlandcoverandvegetationproductsinasemi-aridAustraliansavanna[J].JournalofAppliedRemoteSensing,2010,4,dio:10.1117/1.3463721.[58]ZhangQY,MiddletonEM,MargolisHA.Canasatellite-derivedestimateofthefractionofPARabsorbedbychlorophyll(FAPARchl)improvepredictionsoflight-useefficiencyandecosystemphotosynthesisforaborealaspenforest[J].RemoteSensingofEnvironment,2009,113(4):880-888.[59]GaoYH,ChenLH,LiuQH,etal.ResearchonremotesensingmodelforFPARabsorbedbychlorophyll[J].JournalofRemoteSensing,2006,10(5):798-803.[60]SunChangkui,SunLin,MaShengfang.Atmosphericcorrectionmethodbasedon55 内蒙古师范大学硕士学位论文HJ-1CCDdata[J].JournalofRemoteSensing,2012,16(4):826-836.[61]李晓宇,包玉海,吴琼,等.HJ-1CCD与Landsat-8OLI在呼伦贝尔草原区FPAR反演中的比较分析[J].草业科学,2015,32(2):151-159.[62]王欢,陈向宁,徐万鹏.基于6S模型的多光谱遥感影像大气校正应用研究[J].测绘地理信息,2013,38(5):49-52.[63]RoujeanJL,BreonFM.EstimationPARabsorbedbyvegetationfrombi-directionalreflectancemeasurenments[J].RometeSensingofEnvironment,1995,51:375-384.[64]赵晓熠,张伟,谢蓄芬.绝对辐射定标与相对辐射定标的关系研究[J].红外,2010,31(9):24-29.[65]高海亮,顾行发,余涛,等.环境卫星HJ1A超光谱成像仪在轨辐射定标及光谱响应函数敏感性分析[J].光谱学与光谱分析,2010,30(11):3149-3155.[66]李莘莘,陈良富,陶金花,等.基于HJ-1CCD数据的地表反射率反演与验证[J].光谱学与光谱分析,2011,31(2):516-520.56 内蒙古师范大学硕士学位论文致谢本论文得到国家高技术研究发展计划（863计划）课题牧场数字化经营管理关键技术（2012AA102003-4）、国家科技支撑计划项目草原生态系统立体监测评估技术研究与应用（2013BAC03B02）课题的资助与支持，在此表示感谢。即将离开学校踏上社会之际，回首过去三年的点点滴滴，不禁感慨万千。三年来，通过自己的不断努力和导师的辛勤培育，使我在学习和生活方面都得到很大的提高，不但开阔了思路，增长了见识，更重要的是在学习和实践中锻炼了自己实际操作和解决问题的能力，实现自身素质的全面提高。首先，我要对我的导师表以由衷的感谢，感谢两位老师对我孜孜不倦的教诲和对学位论文的悉心指导。从论文选题、实验设计、数据采集、结果分析到论文撰写都倾注了导师的心血和汗水。导师们扎实的理论基础、渊博的知识、严谨求实的科研态度、诲人不倦的高尚师德和淳淳善诱的教学方法都使我受益匪浅，不仅使我掌握了相关的知识和研究方法，而且培养了我独立思考和解决问题的能力以及让我明白了许多做人的道理。此外，感谢导师们在学习和生活中给予我的极大帮助，有幸得到两位老师的指导，是我一生当中宝贵的财富。感谢中国农业科学院农业资源与农业区划研究所的杨桂霞老师、陈宝瑞老师、王旭老师、闫玉春老师、张保辉老师、闫瑞瑞老师、徐丽君老师在生活和工作中给予的无私帮助。感谢内蒙古包头师范学院海全胜老师在学习方法和论文数据采集上的指导和帮助。感谢中国农业科学院农业资源与农业区划研究所的张钊师兄、李振旺师兄、张盼弟师姐和谭红妍、感谢内蒙古师范大学地理科学学院的吴琼师姐和杨帆师妹以及中国农业科学院农业资源与农业区划研究所工作的徐大伟、朱小林在论文野外试验、数据搜集和生活中给予的大力帮助。感谢内蒙古师范大学地理科学学院和内蒙古自治区遥感和地理信息系统重点实验室的所有老师，使我对专业知识有了更加深刻的认识，也使我更加喜爱GIS专业。感谢在内蒙古师范大学地理科学学院与我度过美好硕士生活的张会会、萨日娜、刘伊蒙以及2012级地图学与地理信息系统专业的所有同学，感谢你们对我生活和学习上的理解与帮助，感谢你们陪我一起走过这段难忘的人生旅程。57 内蒙古师范大学硕士学位论文感谢我的父母，感谢他们在我成长和求学道路上的无私奉献和一如既往的支持，他们的善良和行动永远指引着我奋发向上，正因为有他们的一路相伴才会让我取得今天的成绩。他们的健康和快乐是我最大的心愿，也是支撑我的动力。感谢在百忙中评审我论文的各位学者和专家！再次对所有支持、帮助、鼓励过我的人们表示深深的感谢。58