植被覆盖度是生态环境变化的重要指标,也是遥感反演的关键参数。盐碱地植被覆盖度的准确测量对研究地表植被蒸腾、土壤水分蒸发及土壤退化、盐碱化等具有重要意义。过绿指数(Excess Green index,ExG)对绿色植被比较敏感,能突显植被信息,去除土壤、阴影的干扰。通过对吉林西部盐碱地玉米、高粱、绿豆、杂草、土壤数字图像特征分析,利用改进过绿指数(Modified Excess Green index,MExG)算法计算植被和土壤的MExG值;并确定区分植被和土壤的MExG阈值为40,进而计算植被覆盖度。本文采用监督分类的最大似然法对比验证MExG自动提取结果,并对两种方法计算的玉米、高粱、绿豆和杂草的覆盖度,分别进行目视判读和t检验。研究表明,MExG自动提取方法具有客观性强,处理时间短,分类精度高等优点,是计算不同植被类型覆盖度的有效方法。
植被含水量是作物长势好坏的指示因子,利用遥感技术及时准确监测植被含水量对农业生产、作物估产和干旱状况评价具有重要意义。基于新一代对地观测计划Landsat 8OLI传感器(Operational Land Imager,陆地成像仪),评价其植被含水量反演的能力与局限性。首先,利用ProSail冠层模型模拟冠层光谱反射率数据集,分析OLI传感器的植被含水量敏感波段以及土壤背景对各波段反射率的影响,然后利用基于Landsat OLI影像计算的植被水分指数和2013年6月1日—8月14日期间采样的植被含水量数据,比较12种植被水分指数与地面实际采样的植被含水量的相关性,评价估算植被含水量的最佳植被水分指数。结果表明:OLI传感器的红、近红外和两个短波红外对植被含水量敏感,其中近红外波段最为敏感;在低植被覆盖度时,土壤背景反射率的太阳辐射将达到光谱传感器影响植被水分指数与植被含水量之间的关系,利用ProSail模拟干湿土壤背景反射率结果也表明土壤背景对植被冠层反射率的影响很大;引入优化土壤调整植被指数(OSAVI)去除土壤背景对植被水分指数的影响;在12种植被水分指数中,MSI2与植被含水量的拟合关系最好(R2=0.948),植被含水量的平均拟合误差为0.52kg·m-2;在植被生长晚期即植被含水量大于2kg·m-2时,各植被水分指数出现饱和情况,植被含水量的估算结果不佳。
