结合Sentinel-2数据与光谱特征的稀疏非光合植被指数构建

作者：袁浩; 姬翠翠^*; 杨雪梅; 陈茂霖; 潘建平; 曹一鸣

来源：地球信息科学学报, 2023, 25(09): 1894-1907.

• 非光合植被
• 非光合植被指数
• Sentinel-2 MSI
• 干旱与半干旱区
• 光谱分析
• 线性回归
• 特征空间

非光合植被(NPV)在干旱半干旱区生态系统中扮演了重要角色，对了解植被碳循环过程起着至关重要的作用，同时掌握非光合植被定量信息对科学评估土地荒漠化程度以及荒漠化科学防治具有重要意义。本文以甘肃省民勤县为研究区，对高光谱仪采集NPV及研究区内其他端元光谱信息进行光谱分析，结合Sentinel-2 MSI影像构建提取稀疏NPV覆盖度信息的植被指数，实测NPV覆盖度作为精度验证数据，决定系数R2、均方根误差和显著性p值用于模型精度评价，结果发现：(1)通过原始光谱法、一阶导数变换法、倒数的对数法和连续统去除法进行光谱分析发现，连续统去除法处理获取的NPV光谱的包络线值较光合植被(PV)和裸地(BS)光谱包络线值特征差异明显；(2)通过绿光波段的包络线差值和短波红外波段的光谱反射率比值计算后，可以有效拉开NPV与PV和BS光谱特征值差距，从而实现NPV信息提取，得到表征NPV覆盖信息的新指数；(3)通过精度验证发现，新构建的NPV指数—包络线差值植被指数(Envelope Difference Vegetation Index, EDVI)优于参与比较分析的其他指数模型，与地面实测NPV覆盖度的相关性最好，R2为0.71,RMSE=0.0170,p<0.01，其次为4波段红边土壤调整归一化差异耕作指数(4-band Red Edge Soil Adjusted NDTI,S＿NDTI4RE)，当权值γ=0时R2为0.57，其他NPVIs回归模型估算稀疏NPV覆盖度精度较差。由此可见，通过光谱特征分析，本文构建EDVI指数模型可以有效实现NPV占有重要地位且覆盖度低的干旱与半干旱区大尺度NPV覆盖度的快速提取与监测。

• 单位
  重庆交通大学; 兰州文理学院