基于modis混合像元分解的湖南省森林碳密度反演

随着遥感技术的快速发展，基于遥感影像和地面样地的方法成为目前森林碳密度估算的常用手段.然而由于混合像元的存在严重制约了区域森林碳密度反演精度的提高，特别是modis这种低空间分辨率影像.本研究以modis影像和固定样地为数据源，开展森林碳密度的反演研究.首先利用不带约束、带约束的线性分解和非线性分解3种方法进行混合像元分解，导出不同土地利用/覆盖类型的丰度图；然后采用结合和未结合丰度图的序列高斯协同模拟算法对湖南省森林碳密度进行反演.结果表明：3种混合像元分解模型中，带约束线性分解估计的地物丰度精度最高（平均均方根误差0.002），明显优于不带约束线性分解和非线性分解模型；通过将混合像元分解模型和序列高斯协同模拟算法结合，森林碳密度反演精度从74.1%提高到81.5%，均方根误差从7.26减小到5.18；2009年湖南省森林碳密度的平均值为30.06t·hm-2，变化范围介于0.00～67.35t·hm-2之间.这表明混合像元分解在提高区域和全球尺度森林碳密度反演精度方面显示出巨大的潜力.