叶面积指数遥感反演方法进展

叶面积指数（LAI）是描述植被冠层结构的关键参数,而模型反演法是提取LAI的潜在有效方法．论文综述了植被冠层辐射传输模型和辐射传输模型遥感反演LAI方法的理论发展,详述了植被冠层辐射传输模型和LAI反演的发展历程．通过逐步的理论扩展,进而引出目前学者广泛关注的LAI提取同化算法,为遥感观测提取LAI或其它参数提供了理论参考．     

耦合植被指数改进水分利用效率气孔导度遥感模型

水分利用效率(WUE)是深入理解生态系统碳-水循环耦合关系的重要指标，改进融合环境因子与遥感参数的WUE直接估算方法，对于评价陆地生态系统碳-水循环耦合与气候的交互具有重要的科学意义。研究针对中分辨率成像光谱仪(MODIS)遥感产品间接估算WUE精度低以及气孔导度模型(也称分析模型)适用性有限的问题，改进温带落叶阔叶林生态系统WUE的直接估算。在分析现有估算方法不确定性来源的基础上，分析了生态系统WUE及其主要调控因子的季节变化特征，进一步分析探讨了WUE对遥感监测植被覆盖以及冠层结构因子的线性和非线性响应，提出耦合遥感植被覆盖和冠层结构因子的WUE分析模型改进方案。结果表明，改进的WUEan×ScaledNDVI模型拓展了分析模型在8 d尺度的适用性，也对单因子线性模型实现了提升，在植被密度较高的森林站点，改进模型比原模型精度提升了36.98%，比MODIS间接估算WUE精度提高了31.00%。改进的分析模型弥补了8 d尺度WUE估算能力和适用性上的不足，也提升了基于植被覆盖和冠层结构因子的单因子模型的性能。     

应用北京一号卫星数据监测高分辨率叶面积指数的空间分布

利用“北京一号”卫星（高性能对地观测小卫星，DMC+4）可同步提供中分辨率多波段信息和高分辨率全色波段信息的优势，选择冬小麦为研究对象，在考虑太阳—冬小麦冠层—传感器三者的几何关系和作物群聚效应的基础上，建立易于反演的植被冠层辐射模型，实现了对冬小麦长势空间分布的监测，并通过数值模拟和野外实验对模型进行了验证．研究表明所采用的模型和反演方法是有效的，为进一步研究LAI尺度效应打下了基础．     

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.     

结合地形测绘数据的机载LiDAR草原植被冠层高度反演方法研究

草地冠层高度(grassland canopy height)是草地群落垂直结构组成、植被生长演变定量评估的核心指标之一,属于草地生态安全监测的关键参数。常规光学遥感获取地表植被覆盖存在群落三维结构信息缺失的问题,考虑到天然草地植被自然生长过程存在空间离散随机分布特征,发展了一种结合地形测绘数据的无人机激光雷达(airborne light detection and ranging, Air-LiDAR)草地冠层高度定量估算模型,改善了光学遥感在获取植被垂直结构参数方面的不足。研究结果表明,该模型具有较好的数值检验精度,并可适用于草地冠层高度的定量估算,为草地生态监测指标的定量获取提供了有价值的方法参考和理论依据。     

海南石梅湾青皮林LAI的冠层数字成像问接法测算

对基于林隙比(gap-hction)原理的LAI数字成像间接法进行了系统的描述，通过对石梅湾青皮林及其周围其它不同类型的次生林和人工群落共9个观测点的测定，得出了相应群落的叶面积指数、消光系数、辐射透过系数等冠层的特征指标，按垂直结构测算了不同阶段的青皮林LAI特性，指出了CI110冠层数字成像仪(Digital Plant canopy Imager CI110)减小人为误差的方法。处于顶极状态的青皮林的叶面积指数为3．554，低于典型结构的热带雨林，探讨了石梅湾青皮林LAI比混合雨林和山地雨林LAI小的原因。     

基于波谱数据库先验信息的地表参数同化反演方法

我国典型地物波谱数据库的构建为地表参数反演提供了先验信息,而时间序列遥感观测数据则能够提供反演目标参数的动态变化信息．文中将描述植被冠层反射的遥感辐射传输模型与描述作物生长变化的过程模型结合,提出了综合利用时间序列遥感观测数据和波谱库所提供的参数先验信息对农作物生长过程中的关键结构参数叶面积指数（LAI）进行反演的方法．时间序列遥感观测数据能为目标参数LAI的反演提供更多信息,而作物生长模型的引入则能够对反演过程中LAI的变化趋势进行约束．实验结果表明,利用地物波谱库中提供的参数先验信息结合时间序列遥感观测数据,采用变分数据同化算法可以明显提高具有时间变化特征的地表目标参数反演精度．     

基于Sentinel-2数据的山口红树林生理参数反演及时空特征

生理参数叶绿素含量、光合有效辐射吸收率、植被覆盖度和叶面积指数是湿地植被重要的特征参数,也是衡量湿地生态健康状况的重要指标.以广西山口红树林自然保护区为研究区,以逐月的Sentinel-2和MODIS影像数据为数据源,采用人工神经网络的方法对山口红树林的4种生理参数叶绿素含量、光合有效辐射吸收率、植被覆盖度和叶面积指数进行反演构建回归模型,并对比相应MODIS影像的产品,分析得出红树林逐月和不同生长期的生理参数动态变化.实验结果表明:①4种生理参数与MODIS产品的相关系数在95％置信区间内均高于0.71,反映了Sentinel-2影像反演红树林生理参数具有较高的可信度;②4种生理参数均在2月份表现出最低值,9月份趋于稳定;生理参数均最低值出现在缓存区,最高值出现在核心区,也反映了自然和人类活动对其有影响;③不同生长期红树林的植被生理参数则变化不同,植被覆盖度(fractional vegetation cover,FVC)、叶面积指数(leaf area index,LAI)和光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)在萌芽期(1～3月)和发育期(4～6月)呈上升趋势,叶绿素浓度(chlorophyll-A/B,CAB)和LAI在成熟期(9～12月)呈上升趋势.该研究结果可为红树林植被变化监测提供依据,为生态评估及保护提供参考.     

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.     

结合冠层密度的森林净初级生产力遥感估测

【目的】 森林冠层密度与林分年龄、植被生长状况有关,在区域森林净初级生产力遥感估测中,结合森林冠层密度以期提高估测精度。【方法】 以广东省韶关市为研究对象,选用2017年Landsat-8 OLI影像、2017年357块森林资源连续清查固定样地数据为主要信息源,分别采用随机森林、多元线性回归、人工神经网络和K最近邻分类法等4种模型,结合森林冠层密度制图器(FCD)进行区域森林净初级生产力特征变量的选取、参数建模、模型精度评价和森林净初级生产力空间制图。【结果】 特征变量中,红光波段(B4)、归一化植被指数(NDVI)、比值植被指数(RVI)、叶面积指数(LAI)、缨帽变换土壤植被因子、纹理特征和地形特征在森林净初级生产力反演中有重要作用。将森林冠层密度因子加入反演模型后,4种遥感估测模型精度均有大幅度提高。对4种遥感估测模型进行性能比较,随机森林模型精度最高,其次是多元线性回归模型、人工神经网络模型,K-最近邻分类模型精度最低。研究区内森林净初级生产力平均值为10.689 t/(hm²·a),高森林净初级生产力 [≥18 t/(hm²·a)]林分面积仅占研究区的19.61%,主要分布在海拔较高的西北部。【结论】 结合冠层密度进行森林净初级生产力的建模,可有效提高模型估测精度。     

基于案例推理的小麦叶面积指数估算研究

小麦叶面积指数是评价其长势和预测产量的重要农学参数,为了提高小麦叶面积指数的估算精度,本文提出了一种基于案例推理的小麦叶面积指数估算方法。利用小麦的10种植被指数,首先建立小麦叶面积指数的统计回归估算模型;然后使用基于案例推理的方法对小麦叶面积指数进行估算。实验结果表明,基于案例推理的方法相对于统计回归模型,提高了小麦叶面积指数的估算精度。说明基于案例推理的小麦叶面积指数估算方法是一种有效可行的方法。     

基于无人机高光谱影像的植被覆盖度遥感估算模型比较

为了探寻光谱解混模型估算植被覆盖度的精度及适用性,对广东省中山市民众镇义仓村内的一块香蕉林地,利用无人机高光谱数据,比较了3种植被覆盖度估算的经典模型(像元二分模型、Carlson模型和Baret模型)以及目前较为常用的3种光谱解混模型(线性光谱混合模型(Linear Mixed Model, LMM)、后验多项式非线性混合模型(Polynomial Post-nonliner Mixing Model,PPNMM)和考虑光谱变异的正态组分模型(Normal Compositional Model,NCM))估算植被覆盖度的效果. 实验结果表明:像元二分模型高估了植被覆盖度;Carlson模型低估了植被覆盖度;Baret模型在低植被覆盖度区域内高估了植被覆盖度、在高植被覆盖度区域内低估了植被覆盖度;LMM模型在高植被覆盖度区域有较好的估算效果;PPNMM模型在低植被覆盖度出现小幅度高估;NCM模型估算的效果最佳.     

智能手机App与数字半球摄影测量叶面积指数对比研究

基于自主开发的智能手机App（LAISmart）对针阔混交林、阔叶林和农作物3种植被类型的叶面积指数（leaf area index, LAI）进行测量,并以数字半球摄影（digital hemispherical photography,DHP）的测量结果作为参考值进行对比分析．结果表明,虽然LAISmart与DHP的LAI值总体上具有高度一致性（R2=0.95,RMSE=0.68）,但是,LAISmart的性能受到植被叶片密集程度的影响．研究发现:LAI>3.9时,LAISmart的测量结果会明显低于DHP的测量结果;智能手机成像传感器的自动曝光模式,是引起LAISmart在测量LAI高值区域估值偏低的重要影响因素;当对LAI高值区域的LAISmart图像进行降低曝光度处理后,LAISmart和DHP的测量结果偏差得到进一步降低,且LAISmart测量结果的精度可以提高49%左右．此外,LAISmart的较窄视场角几乎不会对其测量结果产生影响,若能在调节智能手机曝光度的条件下使用LAISmart,则具有更高效率和更低成本优势的LAISmart可以成为替代DHP的有效方法．      

基于DART模型的盐地碱蓬植被指数饱和问题分析

植被指数饱和问题直接影响植被参数的遥感估算精度.基于DART模型定量分析盐地碱蓬群落植被指数对LAI的响应,讨论不同植被指数的饱和问题,研究发现：1) 盐地碱蓬LAI与株数之间呈显著线性相关,R2为0.99,RMSE为0.008.2) TSAVI抗饱和性最好,NDVI及RVI次之,EVI、SAVI一般,PVI、MVI及MSAVI最差.3) RVI、NDVI及TSAVI敏感度最优,且LAI〈0.68时,SRVI〉SNDVI〉STSAVI;0.68≤LAI〈2时,SNDVI〉SRVI〉STSAVI;LAI≥2时,TSAVI最优,RVI和NDVI出现饱和现象;EVI、SAVI对LAI敏感性一般;剩余3种植被指数对LAI的敏感性弱.对于辽河口滨海湿地典型植被盐地碱蓬,结合实测LAI数据,初步分析认为TSAVI、NDVI及RVI可以作为较强适用性植被指数来进行相关研究,能够区分不同LAI下的盐地碱蓬群落.     

基于光谱归一化的阔叶林LAI遥感估算模型适用性分析

针对基于植被指数(Ⅵ)的森林叶面积指数(LAI)统计模型反演方法通用性较差的问题,研究基于光谱响应函数的不同传感器相似波段的光谱归一化方法,构建基于光谱归一化的阔叶林LAI遥感估算模型,并分析光谱归一化前后LAI估算模型对不同传感器的适用性.以福州市ALOS AVNIR -2、Landsat5 TM和MODIS作为多传...     

Optimal waveband identification for estimation of leaf area index of paddy rice

The objectives of the study were to select suitable wavebands for rice leaf area index （LAI） estimation using the data acquired over a whole growing season, and to test the efficiency of the selected wavebands by comparing them with feature positions of rice canopy spectra. In this study, the field experiment in 2002 growing season was conducted at the experimental farm of Zhejiang University, Hangzhou, China. Measurements of hyperspectral reflectance （350-2500 nm） and corresponding LAI were made for a paddy rice canopy throughout the growing season. And three methods were employed to identify the optimal wavebands for paddy rice LAI estimation： correlation coefficient-based method, vegetation index-based method, and stepwise regression method. This research selected 15 wavebands in the region of 350-2500 nm, which appeared to be the optimal wavebands for the paddy rice LAI estimation. Of the selected wavebands, the most frequently occurring wavebands were centered around 554, 675, 723, and 1633 rim. They were followed by 444, 524, 576, 594, 804, 849, 974, 1074, 1219, 1510, and 2194 rim. Most of them made physical sense and had their counterparts in spectral known feature positions, which indicates the promising potential of the 15 selected wavebands for the retrieval of paddy rice LAI.     

基于4-Scale模型的人工林郁闭度遥感估测

【目的】为了寻找受区域影响较小、精度较高且鲁棒性较好的郁闭度遥感估算模型，采用4-Scale几何光学模型估算人工林树冠孔隙率及郁闭度。【方法】选择内蒙古旺业甸林场和广西高峰林场为实验区，首先对4-Scale模型进行参数敏感性分析，模拟林分在不同敏感性参数下的树冠孔隙率P_vg＿c(树冠为刚体时的冠间孔隙率)和P_vg(考虑树冠内部孔隙的孔隙率),建立P_vg＿c、P_vg与敏感性参数的一一对应关系数据库。其次，根据数据库建立P_vg＿c和P_vg与敏感性参数的统计关系模型。然后根据获得的敏感性参数估算P_vg＿c和P_vg,进而估算林分郁闭度。最后，分别采用样线法与鱼眼相机测定法测量的郁闭度检验基于P_vg＿c和P_vg估算的林分郁闭度。【结果】基于P_vg＿c和P_vg估算的人工林郁闭度精度分别为88.17%和92.8%。P_vg＿c     

基于RS和GIS的藏北地区草地退化动态监测与驱动力分析——以申扎县为例

该文运用遥感(RS)和地理信息系统(GIS)技术,以1990年、2000年和2009年陆地卫星遥感影像为信息源,通过提取植被指数和遥感二分像元模型,估算了西藏申扎县不同时期的植被覆盖度.结果表明:在整个研究时段内,草地退化的面积在增加,从1990年到2009年,草地植被覆盖面积减少了92.88万hm2,占申扎县草地面积...     

青海云杉林叶面积指数空间分布模拟——以祁连山区排露沟流域为例

以祁连山区排露沟流域为研究区,利用高分辨率的遥感数据获取多种植被指数,并与观测的叶面积指数进行回归分析,发现叶面积指数LAI与归一化植被指数NDVI的相天性最好(R2=0.3766),且以LAI与NDVI的关系建立的模犁精度最高(RMSE=0.381).通过t检验,证明NDVI模型明显优于其他植被指数模型,因此把它选为最佳模型,模拟整个研究区青海云杉林叶面积指数的空间分布,为小流域分布式生态水文模型提供重要的参数.