基于Sentinel-2A影像估算黄土高原光合/非光合植被盖度

以黄土高原为例,基于Sentinel-2A影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)估算非光合植被盖度(fNPV)的有效性,并利用优化法确定线性光谱混合模型的关键参数端元值,估算研究区光合植被盖度(fPV)和fNPV.结果表明,在模拟混合场景下,4种NPVI与模拟fNPV线性关系的R2是0.365～0.750;在野外场景中,其相关性均有一定程度的降低,R2是0.147～0.211.研究构建NDVI-SWIR32像元三分模型,并确定了最优端元值:NDVIPV=0.80,SWIR32PV=0.60,NDVINPV=0.17,SWIR32NPV=0.77,NDVIBS=0.23,SWIR32BS=0.99.模型对fPV和fNPV估算精度R2分别是0.817和0.463,NSE分别是0.806和0.458.利用该模型估算全区2019年4、8和12月的平均fPV和fNPV,分别为20.3％和59.2％,48.6％和33.1％,10.7％和59.0％.随时间推移,fPV从东南向西北不断增加而后减小,fNPV与之相反.NDVI-SWIR32模型可以用于Sentinel-2A影像数据来监测黄土高原地区fPV和fNPV的时空动态变化.