SMAP(Soil Moisture Active Passive,SMAP)产品空间分辨率低的特征限制了在地表高异质性的干旱区沙漠稀疏植被区的适用性.考虑到干旱区沙漠植被区特殊的环境特征,在地表温度(Land Surface Temperature,LST)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、数字高程模型(Digital Elevation Model,DEM)等传统降尺度因子的基础上,增加了与荒漠地表土壤水分关联性更强的增强型修改土壤植被指数(Enhanced Modified Soil-Adjusted Vegetation Index,EMSAVI)与比值沙地亮度指数(Ratio Sand Brightness Index,RSBI)分别作为反映研究区植被盖度和裸沙分布状况的降尺度因子,利用随机森林算法(Random Forest,RF),构建了干旱区土壤水分降尺度模型.结果表明:(1)由相关性分析可知,EMSAVI(r干=-0.37,r湿=-0.34)、RSBI(r干=-0.42,r湿=-0.25)对荒漠土壤水分均有较好的指示作用且效果优于NDVI(r干=-0.21,r湿=0.08);(2)EMSAVI和NDVI重要性分别为18.7％、13.2％,EMSAVI在构建降尺度模型时贡献度更高.(3)构建的干、湿季干旱区土壤水分降尺度模型得到的结果与SMAP产品的R2分别达到了0.916,0.910,RMSE分别达到了0.0075 cm3·cm-3、0.0063 cm3·cm-3,较传统模型的RMSE均降低了 0.0013 cm3·cm-3.(4)通过计算LBP(Local Binary Patterns)的差值(LBPC)对空间一致性评价,新构建降尺度模型的结果(0.0585)优于传统降尺度(0.0645).研究结果将短波红外波段引入到植被指数建立的EMSAVI,可较好地应用于干旱区沙漠稀疏植被区土壤水分降尺度研究.
国家科技期刊平台
NSTL
万方数据
维普
