利用遥感数据优化物候模型时样本选择的新方法

？植被物候模型是生态系统模型的重要组成部分,其精度对准确地模拟陆面和大气之间的能量和物质交换具有重要意义。利用遥感获取空间物候信息并与气候数据进行耦合分析是在中亚干旱区等地面物候观测数据缺乏的地区构建物候模型的重要方法。为减小混合植被像元和气候数据资料的内在误差及二者在空间尺度的不匹配对物候模型构建产生的影响,该研究提出一种在气象站点周围选取满足规定规则集的“代表植被类型像元”作为样本点的选择方法,以代表植被类型像元的遥感物候数据和气象站点数据为基础,结合经典物候模型和改进物候模型,在粒子群优化算法支持下,分别以独立的拟合与评价样本数据,完成了荒漠草原植被与落叶阔叶林的模型拟合与评价。研究发现中亚干旱区荒漠草原植被的最优模型为温度-降水修正模型,落叶阔叶林的最优模型为替代模型。通过此方法模型总体精度在8–10d左右。结果表明此方法在气候数据和植物物候空间匹配方面有改进,有助于提高物候模型精度。