利用STARFM模型提高复杂地表下复种指数遥感提取精度

摘要

复种指数是表征耕地利用程度的重要参数.然而,传统方法存在对影像获取条件要求较高,或在地表复杂区域提取精度较低等问题.高时空分辨率数据融合算法(如Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM)能有效地结合不同数据的优势,有望被应用于提高复杂地表区域复种指数的提取精度.该研究以Landsat TM(Thematic Mapper)及MODIS(Moderate-resolution Imaging Spectroradiometer)为数据源,基于STARFM模型,构建了川东丘陵某区域内2010-2011年的Landsat-like时序NDVI(Normalized Difference Vegetation Index)数据集,进而提取了该区域2010年冬季作物种植区及盐亭县2011年耕地复种指数的空间分布情况.利用目视解译样点(1509个)验证及多尺度(30～4000 m)验证方法,对不同方法提取的2010年冬季作物种植区进行了对比分析.结果表明:1)在30m空间尺度上,基于Landsat影像分类法的总体验证精度为89.73％,高于基于Landsat-like时序NDVI峰值法的54.94％;2)在250～4000 m空间尺度上,基于Landsat-like时序NDVI峰值法的总体验证精度比基于MODIS时序NDVI峰值法高3％～7％.利用统计年鉴及调查样点(73个)数据,对基于新方法提取的盐亭县2011年耕地复种指数结果进行了验证,在县域尺度上其与统计数据非常接近;其与调查样点的总体验证精度达到73.97％.综上,基于数据融合算法提高数据源空间分辨率的方式,不仅能够提高复杂地表复种指数结果的空间精细程度和提取精度,而且在实际应用中也有很好的实用性.