黄河源区高寒草地植被覆盖度反演模型精度评价

摘要：

植被覆盖度是许多气候、水文、生态等模型的重要输入参数,其估算精度的提高对相应模型的改进及模拟精度的提高具有重要的现实意义.本研究以黄河源为研究区域,基于大量与卫星遥感像元空间尺度匹配的实测植被覆盖度数据,评估了回归模型法、像元分解法、神经网络算法三种常用植被覆盖度遥感估算方法的反演精度.结果表明:回归模型法中基于归一化植被指数(NDVI)的反演精度高于其他植被指数;像元二分法中,变量因子(L)的加入不能显著提高反演精度;反向传播(BP)神经网络算法应用植被指数替换卫星遥感反射率数据作为驱动数据,反演精度显著提高.因此,通过比较和优化可以提高植被覆盖度的反演精度,但每类反演方法的最高反演精度差异不显著.

关键词：黄河源区、植被覆盖度、遥感反演、精度评价

所属期刊栏目：19

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金41801030;广西自然科学基金2017GXNSFDA198016, 2018GXNSFBA281054;桂林理工大学科研启动基金GUTQDJJ2017069

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：37-45