融合高时空分辨率数据估算植被净初级生产力的方法张猛曾永年.DOC

融合高时空分辨率数据估算植被净初级生产力 1.中南大学地球科学与信息物理学院，长沙 410083； 2.中南大学空间信息技术与可持续发展研究中心，长沙 410083 摘要：植被净初级生产力遥感估算与分析，有赖于高时空分辨率的遥感数据，但改善与提高区域提供有效的技术方法与途径。 关键词： Landsat8 OLI， MODIS， 时空融合，高时空分辨率，净初级生产力，遥感估算 中国分类号：TP751 文献标志码：A 1引言 净初级生产力（Net Primary Production，NPP 遥感数据具有时间序列长、覆盖范围广等特点，从而使利用遥感数据驱动生态学模型已成为全球NPP模拟估算的重要方法之一（Gitelson等，2012；Matsushita等，2002）。在基于遥感数据的NPP模拟估算模型中（统计模型、参数模型和过程模型），基于光能利用率的CASA (Carnegie-Ames-Stanford Approach)模型在全球范围不同时空尺度的NPP模拟估算中得到较为广泛的应用。（孙鸿烈等，2012；高清竹等，2007；Field等，1995）。MODIS数据因其较高的时间分辨率及获取成本低廉使其成为区域NPP模拟估算的主要遥感数据源Turner等，2006；孙政国等，2012；王伦澈等，2013；Zhao等，2014）。 随着遥感技术的发展，中高空间分辨遥感数据类型逐渐增多，为区域NPP估算提供了多源遥感数据。由于受时间分辨率及云雨天气的影响，难以获取完整时间序列的中高空间分辨率遥感影像。为解决中高空间分辨率卫星数据缺失的问题，基于多源遥感数据时空融合技术得到发展，并已在植被、土地覆盖与土地利用中得到较多的应用（Gao等，2006；Hilker等，2009；Zhu等，2010；Wu等，2012；Hiker等，2009；牛忠恩等，2016）。因此，利用遥感数据时空融合技术，获到高时空分辨率的遥感数据，并基于其长时间序列的历史记录数据，模拟区域植被NPP及其时空演化是值得研究的问题。 基于以上分析，本文以快速发展的长株潭城市群为多源遥感数据时空融合技术为改善与提高区域提供有效的技术方法与途径。 2.1实验区概况 长株潭城市群位于长江以南、南岭以北，介于27°36′～28°33′N ，112°36′～113°16′E之间，是长江中游城市群的重要组成部分，也是我国资源节约型和环境友好型社会建设综合配套改革试验区（邓楚雄等，2013）。研究区大部分地区海拔低于50m，多丘陵、山地和山间平原，属亚热带季风气候，年均气温约为16-18℃，年均降水量约为1814mm。本文选择的长株潭城市群核心区为实验区，包括长沙市、株洲市、湘潭市及周围城镇共15个县（区），土地面积约为8640 km2。 图1 研究区 Fig.1 Study area 2.2 数据与处理 本文实验所需遥感数据为Landsat8 OLI与MODIS13Q1、MODIS09Q1均下载于美国地质调查局(United States geological survey, USGS)。覆盖研究区Landsat 8 OLI 行列号为 123/40与123/41, MODIS行列号为h28v06，具体数据说明见表1。 表1 遥感数据类型及获取日期 Table 1 Remote sensing data types and acquisition date 数据类型 行列号 获取日期 Landsat8 OLI 123/40 123/41 云量5%的所有影像 MODIS13Q1 h28v06 2015年全年共23期 获取的Landsat8 OLI数据质量较好，云覆盖率均小于5%。利用ENVI5.1软件对数据进行辐射定标，并经FLAASH模块进行大气校正，之后基于1:10000的土地利用数据采用二次多项式进行几何精校正（张猛和曾永年，2015）。 本研究主要实验数据为MODIS13Q1产品中的NDVI（Normalized Difference Vegetation Index）数据，获取时间范围均为2015年1月1日~2015年12月19日，共23期，分辨率为250m，投影为Sinusoidal（正弦投影）（孙佩军等，2016；张猛等，2017）。MODIS13Q1为16天合成数据，降低了非植被效应（云、雾及气溶胶）的影响。利用ENVI5.1图像处理软件对MODIS NDVI数据进行无效值处理，并对所有数据经投影转换后按研究区范围进行裁剪，并与Landsat8 OLI进行配准。 研究区的DEM数据来源于地理空间数据云（/），分辨率为30m。气象数据来源于中国气象科学数据共享网（），选取2015年研究区及周边地区气象站点的月平均温度、月总降水量以及6个气象站点观