《基于landsat 8 oli和modis数据的高寒草地盖度升尺度效应研究——以夏河县桑科草原试验区为例-孟宝平.pdf》由会员分享，可在线阅读，更多相关《基于landsat 8 oli和modis数据的高寒草地盖度升尺度效应研究——以夏河县桑科草原试验区为例-孟宝平.pdf（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第25卷第7期V0125，No7草业学报ACTA PRATACULTURAE SINICA1122016年7月DOI：1911686cyxb2015433 http：cyxbIzueducn孟宝平，崔霞，杨淑霞，高金龙，胡远宁，陈思宇，梁天刚基于Landsat 8 OLI和MODIS数据的高寒草地盖度升尺度效应研究以夏河县桑科草原试验区为例草业学报，2016，25(7)：1-12MENG Bao-Ping，CUI Xia，YANG ShuXia，GAO JinLong，HU Yuan-Ning，CHEN SiYu，LIANG Tian-GangScalingup methodology for
2、 alpinegrassland coverage monitoring based on Landsat 8 OLI and MODIS remote sensing data：A case study in XiaheSangke grasslandActa PratacuituraeSinica，201625(7)：卜12基于Landsat 8 OLI和MODIS数据的高寒草地盖度升尺度效应研究以夏河县桑科草原试验区为例孟宝平1，崔霞2，杨淑霞1，高金龙1，胡远宁1，陈思宇1，梁天刚h(1草地农业生态系统国家重点实验室，兰州大学草地农业科技学院，甘肃兰州730020；2兰州大学西部环境教
3、育部重点实验室，兰州大学资源与环境学院，甘肃兰州730000)摘要：基于Landsat 8 OLI和MODIS卫星遥感资料，结合20132014年甘南州夏河县桑科草原试验区野外实测盖度数据，对草地盖度敏感的OLI波段及其组合指数进行了筛选，构建并确立了试验区基于MODIS植被指数的草地盖度反演模型，探讨了不同空间升尺度方式对草地盖度的空间效应。结果表明，1)OLI比值植被指数r(Band7Band5)对草地盖度的响应最敏感，基于该指数的草地盖度最优反演模型为Y。l。一一270064x。+115987(R2=0833，P0001)；2)基于MODIS MEVI和Landsat 8 OLI比值植被
4、指数r(30 rn)反演的盖度重采样数据(250 m)的对数模型为最优草地盖度评估模型(R20795，P0001)，其决定系数较MODIS MEVI与基于农业多光谱照相机(agricultural digital camera，ADC)的盖度数据建立的回归模型高(R20706)，绝对误差和相对误差较低；3)基于OLI和MODIS植被指数的3种草地盖度回归模型(方法13)精度均优于直接使用MODIS植被指数建立的回归模型(方法4)；方法3利用OLI比值指数r反演盖度(30 m)，将其升尺度至250 m，再反演盖度构建的对数模型的精度最高(R 20795)，其次依次为方法2构建的模型(R20760
5、)、方法1构建的模型(R20730)和方法4构建的模型(R 20706)。关键词：Landsat 8 0LI；MODIS；敏感波段；盖度反演；空间升尺度Scaling-up methodology for alpine grassland coverage monitoring based on Landsat 8OLI and MODIS remote sensing data：A case study in XiaheSangke grasslandMENG BaoPin91，CUI Xia2，YANG ShuXial，GAO JinLon91，HU YuanNin91，CHEN SiYu
6、l，LIANG TianGan91+1State Key Laboratory of Grassland Agroecosystems，College of Pastoral Agriculture Science and Technology，Lanzhou University，Lanzhou 730020，China；2Key Laboratory of Western China5 Environmental Systems(Ministry of Education)，College0f眈川and Environmental Sciences，Lanzhou University，L
7、anzhou 730000，ChinaAbstract：This research used remote sensing data of MODIS and Landsat 8 OLI，combined with ground observations during 2013 and 2014 in XiaheSangke grassland，Gansu ProvinceBoth individual bands and combinations of bands of Landsat 8 OLl were tested，with a view to selecting band combi
8、nations sensitive to grassland收稿日期：20150914；改回日期：201511-16基金项目：国家自然科学基金项目(31372367，31228021，41401472)，农业部公益性行业(农业)科研专项项目(201203006)和长江学者和创新团队发展计划(IRTl3019)资助。作者简介：盂宝平(1989一)，男，甘肃陇西人，在读博士。Email：mengbp09lzueduca*通信作者Corresponding authorEmail：tgliangIzueducn万方数据2 ACTA PRATACULTURAE SINICA(2016) V0125No
9、7coverageThen，grassland coverage inversion models were established based on MODIS vegetation index dataAt the same time，the spatial scale effect was analyzed with a 30 m resolution and upscaled to 250 m resolutionfor spectral reflectance，vegetation index，and estimated grassland coverageIt was found
10、that：1)the ratio ofBand7Band5 of the OLI data was the most sensitive combination for detecting grassland coverage，and the bestgrassland coverage inversion model was the linear function：Y。li一一270064x。l。+115987，R20833，P0001；2)The best grassland coverage inversion model was the logarithmic model(y一6416
11、01n(17MEvI)+136927，R20795，P0001)，which was established by using MODIS MEVI and upscaling ratio index ofOLIThe coefficient of fit was higher than for the models based on MODIS MEVI and Agricultural DigitalCamera pictures(R20706)，and its average absolute error and average relative error were lower3)Th
12、e accuracy of the logarithmic model(R20795)based on MODIS MEVI and upscaling grassland coverage using aratio index(Band7Band5)of OLl was higher than other modelsKey words：Landsat 8 OLI；MODIS；sensitive combination of bands；cover inversion model；spatial upscaling植被盖度是指样地中全部植物个体地上部分(包括叶、茎、枝等)的垂直投影面积占样地
13、总面积的百分比1，是植被生长状况的直观量化指标口，能够表征生态系统植被群落生长状况及生态环境质量口，对其精确量化在土壤侵蚀4。5、水土保持6。9、陆一气相互作用m1和荒漠化治理m。21等诸多研究中至关重要。因此，建立高精度植被盖度估算模型对相关领域研究具有十分重要的意义。目前，根据盖度测量的空间尺度大小可将草地盖度测量方法分为传统的地面测量法和遥感监测法。传统地面测量中常用目视估测法、采样法和仪器法，以传统的样方尺度(50 cm50 cm或1 m1 m)进行观测，测量精度高，尤其是仪器法中的数码照相机方法，是目前地面测量中精度最高的测量方法1141；遥感监测方法包括经验模型(精度依赖于地面样方
14、实测数据)、植被指数、像元分解模型、森林郁闭度制图模型(forest canopy densitymapping model，FCD)、决策树分类和神经网络等方法。地面测量方法由于受地表空间异质性和人为主观性的影响很难扩展到整个区域，此方法估算的大范围植被盖度状况精度较低，但基于照相机的草地样方尺度的植被盖度精度较高，可为遥感反演建模和精度验证提供基础数据口516。遥感测量的优势在于可以频繁和持久的提供多种时空尺度的地表面状信息，这对传统的以稀疏离散点为基础的对地观测手段而言是一场革命性的变化1 7。由于地表植被分布具有空间异质性，用极其有限代表性的地面观测盖度数据验证中分辨率遥感反演的面上信
15、息，对遥感反演的植被盖度的真实性检验带来很大困难。此外，植被盖度遥感反演模型的构建不仅需要遥感影像反射率数据，也需要野外观测的盖度数据，采样点的空间代表性及测量误差会影响模型反演的精度17。1 8|。为了研究不同遥感资料之问的空问尺度效应，王海宾191使用Bottomup方法建立森林盖度经验模型，分析了森林盖度的空间变化规律。刘良云瞳叩探讨了草地叶面积指数由高分辨率小像素影像升尺度为低分辨率大像素时，“先反演再平均”与“先平均再反演”两种方法之间的空间效应及其差异。早在20世纪80年代，学者们对Landsat MSS卫星资料各波段反射率对地表植被盖度信息敏感性已做了大量研究口卜24。随着科学技
16、术的不断发展，Landsat从1972年第一颗陆地卫星(Landsat一1)发射到2013年Landsat 8的运行已有40多年历史2 5。2 7|。Landsat 8较Landsat 5和Landsat 7有了很多改进28。2 9|，针对其不同波段及其组合指数对草地植被盖度的敏感性研究尚鲜有报道。如何既能保证地面采样点盖度精确性，又能克服采样点空间代表性和不同遥感资料之间的空间效应，将采样点的点状盖度信息扩展到更大空间区域，是遥感监测植被盖度研究中急需解决的问题。目前，在草地植被盖度监测中，基于高分辨率影像的盖度反演精度较高，但其覆盖面积较中低分辨率影像小，并且受时间分辨率和云等因素影响，不
17、能够应用于长时间序列的大区域研究；基于中低分辨率影像的草地盖度反演精度较低，但其覆盖区域广阔，数据时间序列较长且连续，适用于长时间序列的大区域研究。为了在较大范围内得到高精度的草地盖度时万方数据第2s卷第7期 草业学报2016年空动态变化信息，本研究以夏河县桑科试验区为例，基于农业多光谱照相机(agricultural digital camera，ADC)的草地盖度数据及Landsat 8 OLI影像，研究对草地盖度敏感的波段及其组合指数，建立基于中分辨率成像光谱仪(moderate resolution imaging spectroradiometer，MODIS)EVI、NDVI和由O
18、LI影像不同升尺度方法得到的250 m空间分辨率数据的盖度反演模型，以期探索结合高分辨率遥感数据提高低分辨遥感资料反演草地盖度模拟精度的方法。1材料与方法11研究区概况夏河县试验区位于该县桑科乡央吉社区(图1)，地理位置为102。23 7102。26E，35。5一35。7 7 N，试验区总面积11 km2，南北长约386 km，东西长约277 km，平均海拔3050 m。试验区内共有5个样区，根据试验目的不同，15号样区依次为天然草地人工改良区(主要进行补播试验，面积约为1938 hm2)，天然草地合理利用技术集成创新与示范区(为放牧利用试验地，面积约为1606 hm2)，试验的对照组(面积约
19、752 hm2)，优质饲草生产技术集成创新与示范区(封育草地，面积约1930 hm2)，天然畜产品生产加工技术与营销模式集成与示范研究区(人工施肥试验地，面积在5个样区中最大，约为9910 hm2，占总试验区面积的6155)。试验区天然草地类型为高寒草甸，主要优势牧草有高山嵩草(Kobresia pygmaea)、垂穗披碱草(Elymus nutans)、羊茅(Festuca ovina)、早熟禾(Poa annua)、郦氏洽草(Koeleria litvinowii)、黄芪(Astragalus membranaceus)等，主要毒杂草有黄帚橐吾(Ligularia virgaurea)、火
20、绒草(Leontopodium japonicum)、委陵菜(Potentilla chinensis)、马先蒿(Pedicularis spp)等3031|。放牧家畜以牦牛、甘加羊为主。试验区常年寒冷湿润，属大陆性高原温带季风气候3 2|，年平均气温21，年均降水量为580 mm。12地面观测数据野外实测数据采集于2013年8月和2014年710月，总计5次。样地设置在试验区内草地生长状况均一的区域(图1)，2013年在15号试验区内选取大小为30 m30 m样地14个，每个样地内随机布设3个05 m05 m样方，以3个样方盖度平均值作为该样地的草地盖度。同时，利用手持GPS设备，在试验区内
21、采集了20个地面控制点(ground control point，GCP)，记录了经度、纬度和高程等信息，用于Landsat卫星影像的几何精校正。为了更加准确的获取与遥感数据匹配的地面实测数据，2014年在试验区布设了13个固定样地(图2)，每个样地采用5点法布设样方(图3)，以整个样地的中心点作为第一个样方，再选取4个角点作为其余4个样方，用ADC拍摄各样方相片，并记录草地类型、优势种等指标，以5个样方盖度平均值作为该样地的草地盖度。每个样方草地植被盖度信息通过ADC拍摄的相片处理获得。同时，利用DJI无人机携带的GoPro Hero 3+相机在各样地中心点拍摄图像(大小与Landsat 8
22、卫星OLI遥感数据的像元一致，为30 m30 m，分辨率约2cm)，用于草地盖度反演模型的精度验证。13 Landsat 8 OLI数据预处理Landsat 8 OLI数据来源于美国地质勘探局(united States geological survey，USGS)网站，本项研究检索并下载了覆盖夏河县试验区无云影像5景(表1)。在ENVI 50软件中对OLI数据进行处理，利用Radiometric Calibration模块、FLAASH Atmospheric Correction模块和Registration下的Image tO Image模块对OLI影像分别进行辐射定标、大气校正和几何
23、精校正，并将影像投影定义为WGS 1984一UTMZONE一47N。利用Band Math模块计算Landsat 8 OLI不同波段组合指数，利用Sample工具提取采样点对应的各波段及其组合指数的像元值。14 MODISl3Q1数据预处理本项研究选用美国国家宇航局MODIS 16 d最大合成NDVI和EVI植被指数产品(MODl3Q1)，时间序列为2013年8月和2014年710月，空间分辨率为250 m，轨道号为h26v05，共计10景影像。使用最大值合成方法(maximum value composition，MVC)，合成了2013年8月和2014年710月的月最大归一化植被指数万方数
24、据ACTA PRATACULTURAE SINICA(2016) V0125No7(maximum normalized difference vegetation index，MNDVI)和月最大增强型植被指数(maximum enhancedvegetation index，MEVI)数据。图1 夏河县试验区地理位置、草地类型及2014年8月29日资源3号卫星真彩色合成影像Fig1 Location，grassland type and ZY一3 real color composite image of experimental area in Xiahe county on the A
25、ugust 29th in 2014E啊瞅 谗吖Tow剽n of笋S,“夏翠县隶科乡磐哆7Sangkeqbwnsbip G妒ernmenlS更洲嘲懒i糕，嚣an。ke zrassland4 、p“5 P。of Xialle County “口图2 夏河县试验区2014年710月样方位置分布示意图Fig2 The schematic diagram of quadrat design during July-October in 2014 in experimental area，Xiahe countyNA鬟罨墨一一一一一一一一一万方数据第25卷第7期 草业学报2016年对影像进行以下处理：1
26、)利用MODIS数据重投影工具(MODIS reprojection tools，MRT)，对MODIS数据进行转格式和定义投影。将HDF文件转为TIF格式，定义投影为WGS84；2)在ArcMap中将投影转为WGS_1984一UTMZONE一47N，空间分辨率定义为250 m。在ArcMap中，利用Cell Statistics工具分别得到2013年8月和2014年710月的MNDVI和MEVI。15基于Landsat 8 OLI的草地盖度反演模型的建立与精度评价Landsat 8 OLI的Band6主要用于地表温度反演336。除该波段外，本研究将OLI的单波段Bandl-Band5和Ban
27、d7及其两两相加、相减、相比和归一化组合指数(共计154项)作为自变量，将试验区口图3样地和样方设置图Fig3 The design for plot and quadrat基于ADC图像的样地草地植被盖度作为因变量，利用SPSS软件分别分析各波段及其组合指数与草地植被盖度之间的线性回归模型，并筛选出相关系数较高的前10个组合指数或波段，然后通过SPSS软件估算前10个波段组合指数或波段的线性、对数、指数和乘幂模型的参数，将DJI拍摄的39景样地影像(2014年810月)计算的盖度数据作为真实值，以各模型估算值作为反演值，分别计算草地盖度反演模型的平均绝对误差和平均相对误差，检验各种模型精度，
28、从而确立30 m空间分辨率的草地盖度最优遥感反演模型。l k-l：I一生一三L一(1)挖 行(l。)艿一EL一100(2)，z式中，表示整个试验区草地盖度的平均绝对误差，表示某一样地草地盖度的绝对误差，z，表示某一样地模型计算的草地盖度，z：表示基于ADC相片(或无人机图像)计算的草地盖度，艿表示平均相对误差()。i表示某一样地，规表示样地数目。表1 Landsat 8 OLI影像及外业调查数据列表Table 1 The list of Landsat-8 OLI and ground observation data16基于MODIS数据的草地盖度反演模型的构建本项研究采用FazakasE”
29、3提出的Bottomup方法，建立草地植被盖度反演模型。首先，利用较高空间分辨率遥感数据(Landsat 8 OLI)反演草地盖度，再通过升尺度途径建立较低空间分辨率遥感数据(MODIS)的草地盖万方数据ACTA PRATACULTURAE SINICA(2016) V0125No7度反演模型，并探讨不同升尺度方法对草地盖度反演精度的影响。本研究分别基于OLI 30 m空问分辨率敏感波段反射率、敏感波段组合指数和基于敏感波段组合指数反演的草地盖度，分别采用双线性重采样方法得到OLI250 m空间分辨率草地盖度数据，构建经过较高空间分辨率遥感数据(Landsat 8 OLI)校正的基于MODIS
30、影像的草地盖度反演模型。这3种计算草地盖度的方法分别简记为方法1、方法2和方法3。方法1是将0LI的Band7和Band5升尺度至250 ril，计算Band7Band5，再结合MODIS的月最大植被指数反演草地盖度；方法2通过计算OLI比值指数Band7Band5(30 m)，将其升尺度至250 m，再结合MODIS的月最大植被指数反演草地盖度；方法3利用OLI比值指数(Band7Band5)反演草地盖度(30 m)，将其升尺度至250 m，再结合MODIS的月最大植被指数反演草地盖度(图4)。除此之外，草地盖度估算的第4种方法为基于MODIS数据的传统方法，即利用ADC相片计算的盖度数据和
31、MODIS植被指数数据直接建立盖度回归模型，反演草地盖度。将DJI拍摄的39幅样地影像(2014年810月)计算的盖度数据作为真实值，以4种算法计算的草地盖度作为反演值，分别计算4种算法的平均绝对误差和平均相对误差(式1和2)，分析各种算法的模拟精度，从而确立250 m空间分辨率的草地盖度最优遥感反演模型。图4基于MODIS植被指数的草地盖度反演模型的4种构建方法Fig。，4 Four grassland cover inversion methods based on MODIS vegetation index2结果与分析21 基于OLI 30 m分辨率数据的试验区草地盖度模型比较分析根据
32、OLI不同波段及其组合指数和试验区草地盖度之间的线性回归模型的决定系数R2和均方根误差(root mean square error，RMSE)，筛选出的前10个波段组合指数或敏感波段依次为：Band7Band5、(Band5一Band7)(Band5+Band7)、(Band3一Band4)(Band3+Band4)、Band3Band4、(Band3一Band7)(Band3+Band7)、Band2q-Band5、Bandl+Band5、Band3+Band5、Band5和Band5+Band7(表2)。其中，Band5及所有波万方数据第25卷第7期 草业学报2016年段组合指数的回归方
33、程均达极显著水平(P0001)，决定系数介于06330833之间，均方根误差介于62419254之间。常见植被指数NDVI和草地盖度之间的相关系数并没有出现在前10个波段组合中，其决定系数为0627，RMSE达9327，精度较前10个组合的线性模型差。波段比值指数Band7Band5与草地盖度之间的线性相关系数最大，达0833，均方根误差最小，为6241。表2 OLI Band5及不同波段组合指数与草地盖度线性回归模型的R2和RMSETable 2 R2 and RMSE of linear regression models betweengrass coverage and differe
34、nt band combinationindex(including OLI Band5)Band7Band5表3 OLI Band5及不同波段组合指数反演草地盖度的最优回归模型Table 3 The best regression model for inversiongrassland cover based on different bandcombination index and oLI Band50833+6241 Band7Band5 y=一270064x+115987 0833+(Band5-Band7)(Band5+Band7)0821。6462(Band5-Band7)(B
35、and5+Band7)_)，一132714In(x)+115682 0782。(Band3-Band4)(Band3+Band4)07777205(Band3-Band4)(Band3+Band4)y=38889z+87462 0777+。Band3一Band4 07597506 Band3一Band4 j，=0071x+84929 0759+(Band3一Band7)(Band3+Band7)07208085(Band3-Band7)(Band3+Band7)y=37832x+87955 0720Band2+Band5 0664。8857 Band2+Band5Bandl+Band5Band
36、3+Band5Band5Band5+Band70664。88570655+89710651+90310。633+925411 NDVl 06279327*，P0001下同The same blow表3列出了通过决定系数筛选出的前10种波段组合指数及基于OLI NDVI的草地盖度回归模型。由该表可知，Band7Band5、(Band3一Band4)(Band3+Band4)、Band3一Band4、(Band3一Band7)(Band3+Band7)以及NDVI的最优回归模型形式为线性模型，而(Band5一Band7)(Band5+Band7)、Band2+Band5、Bandl+Band5、B
37、and3+Band5、Band5和Band5+Band7最优回归模型形式为对数模型。22 OLI 30 m空间分辨率的草地盖度模型精度检验以2014年8月1516日、9月2829且以及10月2122日期间无人机拍摄图像计算的盖度数据为真值，检验基于Landsat 8 OLI影像NDVI、Band5和9种波段组合指数反演的2014年8月27日、2014年9月28日以及2014年10月14日的草地盖度精度，结果如表4所示。其中，Band7Band5Bandl+Band5Band3+Band5Band5Band5+Band7NDy一3611lln(x)-203312 0619+y=339191n(x
38、)一185310 0619+y一406231n(x)-244637 0611+y一428781n(x)-259098 0605。y一486481n(x)一310538 0589y=130861z一18764 0627”表4 OLI Band5及不同波段组合指数的草地盖度最优反演模型误差分析Table 4 Error analysis for inversion grassland cover based onoLl with different band combination index and Band51Z3456789C万方数据8 ACTA PRATACULTURAE SINICA(2
39、016) V0125，No7表5基于不同方法的试验区草地盖度回归模型Table 5 Regression models for grassland cover based 011 different methods方法Method 指数Index 模型Function 公式Model Rz dMODIS MEVl 线性Linear y一143621x+20783 0703 8815 15155指数Exponential对数Logarithmicy一36660e1844x 0654y一624931n(z)+136370 07301013082561691614292方法1 乘幂Power y一1
40、62797xo 811 0694 9399 16381Method 4 MODIS MNDVI 线性Linear指数Exponential对数Logarithmicv一1301z一0046v一0260eI687xv=0868In(x)+1184乘幂Power y一1282x1 1270695067207000687100521027399171017917。886180011747717947反演的草地盖度精度最高，其平均绝对误差和相对误差最小，分别为39779和522；Band5+Band7反演的草地盖度的精度最低，其平均绝对误差和相对误差最大，分别达81058和1103。Band5和其他波
41、段组合指数的盖度反演精度由高到低依次为(Band5一Band7)(Band5+Band7)、Band3一Band4、(Band3一Band4)(Band3+Band4)、NDVI、Band5、Band2+Band5、Band3+Band5、Bandl+Band5和(Band3一Band7)(Band3+Band7)。从精度检验的结果可知，夏河县桑科试验区30 m空间分辨率的草地盖度最优模型为基于OLI Band7Band5的线性模型：Y。I=一270064x“+115987 (3)式中，Y。l。表示基于Landsat 8 OLI Band7Band5反演的草地盖度()；oZ。I表示Landsa
42、t8 OLI的比值植被指数万方数据第25卷第7期 草业学报2016年 9Band7|Band5、23 MODIS 250 m空间分辨率的草地盖度反演模型构建及精度检验将MODIS MNDVI、MEVl作为自变量，通过OLI Band7和Band5反射率数据及其3种不同处理方法(图4)反演的盖度数据作为因变量，建立的线性、指数、对数和乘幂4类回归模型如表5所示。就4类模型而言，在利用方法13构建的模型中，MODIS MNDVI和MODIS MEVI对数模型的平均绝对误差和平均相对误差均最小，决定系数最大，模型的精度最高；其次为线性模型；指数模型的平均绝对误差和平均相对误差均最大，决定系数最小；乘
43、幂模型的平均绝对误差、平均相对误差和决定系数介于线性模型和指数模型之间，其精度仅优于指数模型。在利用方法4构建的盖度模型中，基于MODIS MNDVI和MEVI的对数模型的精度最高，与方法13不同的是方法4中基于MODIS MEVI构建的模型精度由高到低依次为对数、乘幂、线性和指数模型。就4种方法而言，基于方法13构建的MODIS MEVI的线性、指数、对数和乘幂模型精度均优于MODIS MNDVI对应的模型，这说明MODIS MEVI较MODIS MNDVI能更准确的模拟试验区草地盖度情况；利用方法4建立的MEVI的对数模型的决定系数最高，平均绝对误差和平均相对误差最小，但其线性、指数和乘幂
44、模型的决定系数均小于MNDVI所对应的模型，平均绝对误差和平均相对误差均大于MNDVI所对应的模型。比较草地盖度的4种反演方法发现，基于方法3构建的MODIS MEVI对数模型的精度最高(R20795，A一7880，艿一13901)，基于其他方法的对数模型的精度从高到低依次为方法2(R2=o760，一8104，艿一1481 9)、方法1(R20730，一8256，艿一14292)和方法4(R2=0706，A=9628，艿一17074)。因而，基于MODIS 250 ITI空间分辨率的草地盖度最优反演模型为：Y一64160ln(xMvI)+136。927 (4)式中，Y表示基于Landsat 8
45、 OLI数据及方法3反演的草地盖度与MODIS MEVI之间的回归关系；zM踟表示MODIS MEVI。3讨论本研究表明Landsat 8 OLI Band5与试验区草地盖度之间呈显著的正相关关系，OLI Band7则呈显著的负相关关系，而波段组合指数Band7Band5与试验区草地盖度呈极显著的负相关关系，其线性回归模型可以解释试验区内草地盖度变化的833。这与众多学者的研究结果一致。Band5为近红外波段，其波长范围为08450885,um，对地表植被反应敏感，与草地植被盖度之间呈现显著的正相关关系38-40。Band7为中红外波段，其波长范围为21002300 pm，对矿物、干草等地表信
46、息反映敏感2卜2“，与地表植被信息之间呈现负相关关系22-23。在利用不同升尺度方法和地面观测的盖度数据及MODIS EVI、NDVI建立的各类回归模型中，MODIS EVI的线性、对数、指数和乘幂模型的决定系数均高于MODIS NDVl所对应的模型。这与马琳雅41、黄晓东等呻3对甘南草地植被盖度研究的结果一致。MODIS NDVI在高植被覆盖区域容易饱和，这可能是导致基于MNDVI的草地盖度模型精度较MEVI差的主要原因4 3|。方法13构建的草地盖度模型精度均优于方法4，说明较高空间分辨率的Landsat 8 OLI图像对中分辨率MODIS数据的校正可以提高其反演草地盖度的精度；也表明试验
47、区设置的样地大d、(30 m30 m)与Landsat 8OLI图像的空间分辨率相匹配，一个样地采用35个样点的采样方法较为合理，基于ADC图像计算的35个样点的草地盖度的平均值可以很好的代表一个样地内草地植被盖度的变化状况。然而，这种地面采样方法，与空间分辨率为250 1TI250 m的MODIS植被指数的空间匹配性不够强，但使用Landsat 8 OLI图像及多种处理方法可以提高MODIS反演草地盖度的精度。就3种升尺度方法而言，其共同特点是草地盖度均使用了空间分辨率为30 m的Landsat 8 OLI Band5、Band7反射率数据及其比值植被指数(BandTBandS)，是基于高分
48、辨率小像素尺度的遥感监测结果心。其中，方法3建立的回归模型的精度最高，并且基于该方法构建的草地盖度最优模型精度远大于其他方法建立的最优模型，其次为方法2，方法1的精度最差。基于方法1构建的MODIS EVI的对数模型的精度最接近方法4直接建立的基于MODIS EVI与地面观测盖度数据的模型精度，这是因为方法1万方数据10 ACTA PRATACULTURAE SINICA(2016) V0125，No7和方法4均使用粗分辨率(250 m)的光谱反射率数据计算植被指数，是基于低分辨率大像素尺度的遥感监测结果卫叫，导致其结果不同的原因除了来自地面采样点的空间代表性外，还与不同卫星传感器对草地盖度反应的灵敏程度有很大关系。方法1和2之间的差异主要在于对遥感图像的重采样及植被指数计算的先后顺序不一样，方法1对OLI图像的Band7及Band5的反射率先重