基于PROSPECT+SAIL模型反演叶面积指数的较强适用性植被指数的筛选

基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应.利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI).在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型.以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游LAI数据集对模型进行精度评价.结果表明:TSAVI–LAI模型最佳拟合关系为指数形式,其反演结果与LAI实测值的偏差最小(0.200),R2最大(0.686),RMSE最小(0.397).TSAVI可以作为较强适用性植被指数来进行LAI的反演.     

基于GF-1 WFV影像的浑河悬浮物浓度和浊度遥感反演研究

综合利用高分一号(GF-1)卫星WFV影像和地面同步水质实测数据,以沈阳浑河为实验区,分别建立悬浮物浓度和浊度反演经验模型。经验证分析GF-1WFV数据可有效反映浑河悬浮物浓度和浊度,且反演精度较好,结果均符合常规水质监测规律。同时基于浊度数据模拟的悬浮物浓度也具有较高的精度,拟合度达到0.68,可为今后简化浑河悬浮物浓度反演流程提供经验。将反演模型应用于GF-1卫星WFV数据,得到2016年9月浑河悬浮物浓度和浊度分布图,反映了浑河流域悬浮物浓度和浊度的空间变化规律。对GF-1卫星WFV数据和Thermo便携式浊度计综合运用进行中小尺度河流水质遥感监测有一定的参考价值。     

引入地形特征的田块尺度玉米遥感估产与空间格局分析

田块尺度作物估产引入地形特征提升精度与产量空间格局分析对规模经营具有重要意义。以黑龙江省规模化种植的春玉米为研究对象,测定无人机(unmanned aerial vehicle, UAV)高精度地形与变量测产数据,基于多时期SPOT-6影像提取7种植被指数;采用最小二乘法,构建不同时期植被指数与春玉米实测产量的经验统计模型,确定遥感估产最佳时期和最优植被指数;提取6种地形因子,使用多元逐步回归评价引入地形因子的遥感估产模型,应用空间统计分析探索产量空间分布格局。结果表明:春玉米灌浆期是遥感估产的最佳时期,决定系数R~2达到0.6以上的植被指数共6种,比值植被指数(ratio vegetation index, RVI)为最优植被指数,其余依次为修正比值植被指数(modified simple ratio, MSR)、无蓝色波段增强型植被指数(enhanced vegetation index without a blue band, EVI2)、归一化植被指数(normalized difference vegetation index, NDVI)、次生修正土壤调节植被指数(modified secondary soil adjusted vegetation index, MSAVI2)、绿度归一化植被指数(green normalized difference vegetation index, GNDVI);最佳估产模型引入地形辅助信息后R~2提升5.6%,达到0.79,均方根误差(root mean squared error, RMSE)为347.03 kg/hm~2;高海拔与高坡度区域产量均值最低为7 502.64 kg/hm~2,中海拔与低坡度区域产量均值最高为9 157.63 kg/hm~2。优化后的遥感估产模型可以快速评估作物产量,确定春玉米最佳生长区域,为规模化农业精细管理、土地整治与作物种植结构调整提供科学依据。     

基于多时相高分一号影像的土壤湿度反演

近年来使用国产光学遥感数据反演土壤湿度已成为业内研究热点,其中利用高分一号(GF-1)影像反演土壤湿度是一种潜在的新兴手段,但应用中模型参数需要根据地域调节.为提高GF-1反演土壤湿度的准确度,将豹澥试验区2019年12月至2020年6月的GF-1多光谱宽幅覆盖(WFV)影像和地面观测站点实测数据作为数据源,以垂直干旱指数(PDI)、基于归一化植被指数(NDVI)的修正型垂直干旱指数(MPDIN)、基于两波段增强型植被指数(EVI2)的修正型垂直干旱指数(MPDIE)以及植被调整垂直干旱指数(VAPDI)这四种干旱指数为基准建立土壤湿度反演模型并进行精度评估.实验结果表明:在无植被区域,四种模型的反演结果大致相同,决定系数均在0.7350左右、平均相对误差均在4.50％左右、均方根误差均在1.10％左右,具有较高的精度;在有植被区域,VAPDI的反演效果最优,MPDIN与MPDIE次之,PDI效果不佳.与PDI相比,VAPDI由于考虑了混合像元的影响,不仅适用于稀疏植被区域,也适用于密集植被区域,应用范围更广;与基于两种不同植被指数的MPDI相比,VAPDI由于克服了植被覆盖度和植被像元反射率等因素的影响,基于该指数的土壤湿度估计值与实测值的决定系数达到0.7277以上,具有较高的反演能力.因此,针对豹澥试验区的实际情况,VAPDI指数具有精确反演土壤湿度的潜力.     

基于高分3号和高分2号叶面积指数反演与分析

针对光学数据反演叶面积指数(LAI)容易受到云雾遮挡和光学遥感信息饱和的问题,根据雷达散射机制和Yamaguchi分解,提出了极化分解植被指数,利用光学植被指数和极分解植被指数融合形成光学与微波极化分解融合植被指数;利用光学与微波极化分解融合植被指数与实测数据建立回归模型反演叶面积指数,并对该模型精度评价.实验表明:光学与微波极化分解融合植被指数与实测数据建立回归模型反演叶面积指数的精度要优于极化分解植被指数和光学植被指数与实测数据建立的回归模型,其中MRVI与LAI建立回归模型是最优的,R~2达到0.7262,RMSE到达0.3548.综上所述,光学与微波极化分解融合植被指数不仅充分利用雷达能够穿透浓密植物的特性,而且融合光学数据对叶面积指数的反演敏感性,更能准确的反演叶面积指数.     

应用高光谱植被指数反演冬小麦叶绿素含量的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明:1最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;2不同植被指数抗噪声能力有一定的差异,其中DVI(difference vegetation index),NDVI(normalized difference vegetation index)等抗噪能力比较强,MCARI(modified chlorophyll absorption ratio index)和TCARI(transformed chlorophyll absorption ratio index)抗噪能力比较弱;3联合反演模型反演结果为R~2=0.741 5,RMSE=0.402 6,优于MTCI(MERIS terrestrial chlorophyll index)的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。     

基于时空融合的NDVI时序生成技术在冬小麦监测中的应用

高时空分辨率归一化植被指数(normalized difference vegetation index,NDVI)数据对于冬小麦的动态监测具有重要意义,而高分一号卫星的不足之处是无法获得时间序列数据。为了解决上述问题,以河南省东北部为实验研究区,以高分一号卫星16m分辨率的多光谱宽覆盖GF-1/WFV(Gaofen-1satellite/wide field of view)数据与MODIS地表反射率产品MOD09Q1数据为数据源,采用STARFM (spatial and temporal adaptive reflectance fusion model)时空融合算法,对冬小麦出苗生长期、越冬期、返青-拔节期、抽穗期、成熟期等5个不同物候期的数据进行分析,并最终生成步长为8d的GF-1/WFV NDVI时间序列数据(即预测NDVI).结果显示:5个不同物候期的预测GF-1/WFV NDVI与实际GF-1/WFV NDVI的相关系数分别为0.695 9,0.840 4,0.892 1,0.897 0,0.632 9;预测GF-1/WFV NDVI时间序列数据与实际MOD09Q1NDVI数据具有高度的一致性。     

基于高分六号数据的东海县植被覆盖度分析

为了对中国连云港市东海县地区植被进行植被覆盖度的研究及分析,以高分六号(GF-6)卫星数据为原始数据源,在归一化植被指数(normalized vegetation index, NDVI)和像元二分模型分析方法的传统研究基础上,进一步通过不同置信度法来获取像元二分模型数据中所对应的纯土壤像元(S_soil)值和纯植被像元(S_veg)值,从而对植被覆盖度进行遥感估测分析。结果表明：植被覆盖度的估测结果对置信度的取值非常敏感,在选取置信度时,应结合数据源的卫星特征、影像特征、地域特征等合理选择,置信度应控制在2%～10%;高分六号卫星影像能较好的估测出植被覆盖度,东海县植被覆盖等级主要呈西高东低的空间状态,这也为后续高分六号卫星在林业应用方面提供价值参考。     

扬花期冬小麦叶面积指数高光谱遥感反演研究

利用扬花期冬小麦实测冠层高光谱数据与同步叶面积指数(LAI)数据,分析350～1 000 nm波段范围内冠层反射率与LAI之间的相关性,分别在蓝波段、红波段、绿波段及近红外波段选取光谱特征波段,并用其计算6种被广泛应用于植被LAI反演的植被指数.通过相关分析、回归分析等统计方法,构建扬花期冬小麦LAI反演模型并进行真实性检验.研究结果表明,6种植被指数与冬小麦LAI均具有显著相关性,其中NDGI和EVI反演模型效果较好,拟合方程决定系数R~2均高于0. 6,分别为0. 634和0. 623.最后通过精度验证,得出结论:EVI反演模型R~2最高,为0. 779,故选取EVI为自变量的二次模型为扬花期冬小麦LAI最佳反演模型.研究可为作物长势监测及产量估算等提供一定的理论依据.     

几种典型地表类型反照率时序变化特征及其参数化研究

地表反照率对地表能量平衡、气候模式和全球变化研究具有重要的作用.受季节和下垫面影响,地表反照率呈现一定的时序变化特征,刻画这种变化特征可以为地表反照率估算提供背景信息,有利于提高反照率反演精度.目前已有许多研究致力于分析地表反照率时序变化特征和影响因素,但分析仅限于某一特定区域的一种或几种地表类型,同时对反照率与叶面积指数(leaf area index,LAI)、归一化植被指数(normalized difference vegetation index,NDVI)等影响因子的相关性还缺少参数化研究.本文使用美国通量观测网络AmeriFlux观测数据资料,利用该网络站点分布范围广、地表类型丰富的特点,选取其中代表性较强的站点观测数据,分析了落叶阔叶林、常绿针叶林、草地、农田4种典型植被类型地表反照率的时序变化特征.发现各植被地表类型反照率呈现"U"形年内变化特征,在植被生长季,落叶阔叶林、农田、草地3种地表类型反照率均先减小再增大后减小,而常绿针叶林地表反照率变化不明显.利用统计方法分别建立了地表反照率与LAI和NDVI的参数化模型,结果显示:2种估算地表反照率的参数化模型均能较好反映植被生长过程中地表反照率的变化特征,与地面实测数据相比,计算得到的地表反照率具有较高的精度;2种参数化模型估算得到的反照率一致性好,相关系数为0.721 9.该参数化方案可为地表反照率的进一步估算提供背景参考模型.