基于GF-1号卫星WFV数据反演玉米叶面积指数

叶面积指数(Leaf Area Index, LAI)是描述作物生长状况的重要生理生态参数之一.该文以河南封丘县玉米为研究对象,利用中国高分辨率对地观测系统的首发星——高分一号(GF-1)WFV数据,计算4种常用的植被指数,包括归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio,SR)、土壤调节植被指数(soil-adjusted vegetation index,SAVI) 和修正的土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI).结合地面同步实测的玉米LAI数据,建立各植被指数与实测LAI的统计回归模型.结果表明：研究区玉米LAI和4种植被指数之间均有较强的相关性,其中,MSAVI-LAI的指数模型相关系数达到了0.842 6,LAI反演精度最高.使用独立的野外观测数据对模型进行验证,平均相对误差为4.85%,均方根误差(root mean square error, RMSE)仅为0.183,表明该文建立的LAI经验统计模型具有较高的精度,利用GF-1 WFV 影像可以快速、准确地监测河南封丘玉米LAI,GF-1影像用于LAI等地表参量遥感定量反演具有巨大的潜力.2014年8月中旬,封丘大部分地区玉米LAI大于4,玉米长势较好.该研究结果可为利用经验统计模型反演河南玉米LAI提供参考.     

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.     

基于Hyperion影像的叶面积指数反演

叶面积指数是描述植物生长状况的重要指标之一,利用Hyperion数据计算NDVI,SRI,EVI,RENDVI,WBI 5种植被指数。以梅江流域周边植被为研究区域,结合该地区30个样本点的实测LAI数据,建立5种植被指数与LAI的多种回归模型并检验各模型的精度。实验结果表明,利用上述5种植被指数与叶面积指数所建立的线性和非线性模型中,一元线性、二次多项式和三次多项式回归模型中RENDVI的拟合效果最佳,并且随着模型变量次数的增加拟合效果也呈递增趋势。指数模型中拟合效果最佳的为EVI,WBI在对数模型中有更好的拟合效果。将5种植被指数作为自变量的多元线性回归模型拟合效果明显优于其它所有模型。     

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.     

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.     

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.     

用遥感技术计算森林叶面积指数--以江西省兴国县为例

以江西省兴国县为研究区域，基于不同时相的Landsat ETM 地面反射率图像，计算了RS、NDVI和RSR3种植被指数，并与野外观测的叶面积指数(LAI)数据建立相关关系，从而进行了LAI的反演研究．研究发现，对于针叶林地区，一月份图像也可用来反演LAI，只是预测值较五月偏低．而同一时相的原始图像和反射率图像的反演结果表明，去除传感器自身和大气辐射影响的地面反射率图像，更能真实地反演地表植被覆盖度．此外，在研究区森林覆盖度较高，林种较单一的情况下，RSR同LAI的关系比其他植被指数的相关性好，反演的精度也较高．     

黄河源区高寒草地植被覆盖度反演模型精度评价

植被覆盖度是许多气候、水文、生态等模型的重要输入参数,其估算精度的提高对相应模型的改进及模拟精度的提高具有重要的现实意义。本研究以黄河源为研究区域,基于大量与卫星遥感像元空间尺度匹配的实测植被覆盖度数据,评估了回归模型法、像元分解法、神经网络算法三种常用植被覆盖度遥感估算方法的反演精度。结果表明:回归模型法中基于归一化植被指数(NDVI)的反演精度高于其他植被指数;像元二分法中,变量因子(L)的加入不能显著提高反演精度;反向传播(BP)神经网络算法应用植被指数替换卫星遥感反射率数据作为驱动数据,反演精度显著提高。因此,通过比较和优化可以提高植被覆盖度的反演精度,但每类反演方法的最高反演精度差异不显著。     

用CASI遥感数据估计横跨美国俄勒冈州针叶林叶面积指数

使用三类模型技术,对小型航空光谱制图成像仪(CASI)数据被用作估计针叶林叶面积指数(LAI)的潜力进行研究。三类技术为:单变量回归,多变量回归和植被指数(VI)基础的LAI估计模型。沿横跨美国俄勒冈州的各植被区选择四个研究立地,分别测定和收集LAI数据和CASI图像数据。CASI数据经校准后,研究其与LAI测定值的关系。结果说明二种成像方式的CASI数据对于LAI估计具有相似的效率。与其它两种技术比,逐步回归方法导致较高的LAI预测精度。在单变量回归和VI基础法中使用NDVI,比起其它形式的CASI数据能产生较好的效果。     

基于MODIS数据的祁连山南坡土壤水分反演研究

利用2015年7月MODIS影像数据,结合野外实测数据,对比不同土壤深度下不同反演模型的估算精度.选用植被供水指数、植被缺水指数、温度植被干旱指数与实测土壤含水量数据进行回归分析.结果表明:在祁连山南坡植被生长季中,MODIS数据估算土壤水分的最佳深度为0-10cm.温度植被干旱指数在估算精度上最高.在此基础上建立了基于温度植被干旱指数的土壤水分监测模型.     

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...     

MODIS和降尺度TM数据反演叶面积指数相互验证中几何处理方法的研究

提出了利用MODIS产品中的几何信息,把经过几何校正的TM数据反演叶面积指数(LAI)模拟成具有MODIS成像几何的降尺度LAI,然后与MODIS数据反演LAI进行对比验证的几何处理方法.以江西千烟洲研究区为例,采用经验公式反演TM和MODIS数据以获得两个尺度的LAI图像,分别用本文提出的新方法和传统方法进行尺度转换和对比验证.由反射率和LAI散点图得:新方法能显著提高TM降尺度图像与MODIS对应区域图像像元的对应精度.并且,新方法对大倾角观测MODIS图像与TM图像之间像元对应关系的改善更明显.因此,本文提出的几何处理方法可以建立不同尺度的遥感数据间更为准确的像元对应关系,更适用于不同尺度遥感数据反演产品的相互验证.     

融合合成孔径雷达和光学影像的植被覆盖区土壤湿度反演

利用合成孔径雷达(synthetic aperture radar,SAR)卫星可对土壤湿度实现大面积、时间连续的反演.针对此过程中难以消除植被遮挡的问题,提出融合SAR微波数据和光学数据,利用修正水云模型消除植被影响,求解纯粹地表后向散射系数,代入裸土区土壤湿度反演算法进行土壤湿度反演,并在武汉豹澥区域设置实测站点记录实测数据进行比对.结果分析表明,经过植被消除后,实测站点垂直极化后向散射系数平均衰减量与植被覆盖度之间时间序列上相关系数达到0.83;土壤湿度反演值与实测值趋势相关性平均提升0.08,且提升程度与植被覆盖度相关系数也达到0.8以上,表明本算法针对植被覆盖度越大区域反演效果越好.该方法通过SAR影像和光学影像融合反演长时间序列土壤湿度具有良好可信度.     

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．     

基于高分一号的农田植被区土壤湿度反演研究

以国产高分一号(GF-1)遥感数据为数据源,以荆州市公安县为实验区,选择垂直干旱指数(PDI)、改进型的垂直干旱指数(MPDI)和植被调整垂直干旱指数(VAPDI),对土壤湿度指数反演的效果进行比较和验证,同时为减少水体对地表反射率的干扰,采用归一化差异水体指数法(NDWI)对水体进行掩膜处理.研究结果表明,PDI、MPDI和VAPDI分别反演得到的土壤湿度值与实测值的相关系数为0. 520 5、0. 697 2、0. 687 2,实测土壤含水量验证精度评价也表明各模型均能满足反演的精度要求;在植被覆盖较好的农区,MPDI和VAPDI能够在一定程度上克服混合像元对土壤湿度光谱信息的影响,模型拟合效果优于PDI.研究结果可为江汉平原大范围和动态监测表层土壤湿度指数提供理论基础和实践参考.     

综合利用光学、微波遥感数据反演土壤湿度研究

基于ASAR-APP和TM影像数据,研究了小麦覆盖地表的土壤湿度反演方法.首先,利用冠层后向散射模型MIMICS(michigan microwave canopy scattering),分析了第二入射角模式(IS2)2种极化组分散射对总散射的贡献,确定了土壤湿度反演的最佳极化模式;其次,分析了植被微波单次散射、植被层双程透过率与NDVI之间的关系,建立了单次散射及双程透过率模型,然后,结合IS2入射角模式ASAR数据,建立土壤湿度反演模型.最后,基于模拟数据和获取的ASAR、TM影像数据,利用半经验模型反演土壤湿度.研究结果表明:IS2_HH模式土壤散射在总散射中贡献更大,该数据更适合土壤湿度反演;植被微波单次散射、双程透过率与NDVI有很好的线性关系,可以利用线性模型建立它们之间的关系;半经验模型能够较好地反演土壤湿度,反演和实测的土壤湿度相关系数为0.75,均方根误差为5.07%.     

扬花期冬小麦冠层叶绿素含量高光谱遥感反演

通过分析扬花期冬小麦冠层光谱反射率与叶绿素含量的相关性,选取491、577、698和780 nm作为特征波段,利用其构建了归一化植被指数、差值植被指数、比值植被指数、三角形植被指数和增强型植被指数,分析光谱指数与叶绿素含量之间的相关性,并基于PROSPECT模型模拟的不同叶绿素含量(5～80μg·cm~(-2))下的5 nm叶片光谱反射率数据,分析评价光谱指数对叶绿素含量变化的敏感性;再将五种光谱指数与叶绿素含量进行回归分析,构建叶绿素含量反演模型;最后利用验证数据对光谱指数反演模型进行真实性检验.结果表明,选取的五种光谱指数与叶绿素含量均具有显著相关性,其中SRI和EVI反演效果较好,决定系数R2分别为0.73和0.74,且预测值和实测值具有较好的拟合效果,其余指数反演效果较差.SRI对叶绿素含量具有较好的相关性和敏感性,表明其在全生育期冬小麦叶绿素含量反演中更具潜力.本研究可为其他农作物叶绿素含量反演提供研究思路和参考借鉴.     

基于PALSAR全极化数据的城市森林蓄积量估测

全极化雷达数据能够反映目标的全极化散射特征,在森林参数反演中具有较大的应用价值。笔者以南京紫金山国家森林公园为研究对象,以2011年的全极化雷达数据PALSAR和2012年120块野外调查样地为主要信息源,从Pauli和Cloude目标分解特征值、HH(horizontal-horizontal,水平)和HV(horizontal-vertical,水平垂直交互)两种极化状态的后向散射系数、比值植被指数、地形、人为干扰等方面,提取13个因子作为自变量,采用多元线性回归、人工神经网络、K最邻近分类算法、决策与回归树、装袋算法、随机森林6种方法建立遥感估测模型,进行森林蓄积量的估测。研究表明:①在6种遥感估测模型中,随机森林综合性能最高,装袋法次之,多元线性回归最低; ②海拔、坡向等地形因子,以及地物的雷达回波散射特征是影响研究区域森林蓄积量估测的重要变量; ③研究区单位面积蓄积量的空间分布呈现出由里向外逐渐降低的带状分布格局。     

基于方向反射率的大尺度叶面积指数反演算法及其验证

提出了一种新的叶面积指数反演方法，该算法尝试采用不同于传统遥感反演方法的思路和架构，借鉴了地面观测叶面积指数的原理和方法，首先从叶面积指数的定义出发推导出叶面积指数与方向间隙率的关系，然后通过遥感BRDF产品和大尺度方向间隙率算法获得方向间隙率信息，最终通过角度积分得到大尺度LAI(叶面积指数).敏感性分析表明，该算法可以较好反映叶面积指数的相对分布信息，并采用长白山和黑河地区的地面观测数据对反演结果进行验证，为了解决高分辨率观测数据到低分辨率遥感数据的尺度转换问题，采用了与地面观测尺度相适应的高分辨率遥感数据进行过渡.首先建立实测LAI与高分辨率反射率数据之间的经验关系，进而得到高分辨率的叶面积指数分布，再利用高分辨率叶面积指数产品通过面积加权，获得对应低分辨率像元的LAI值.验证结果表明，算法具有较高的精度.