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AVHRR NDVI的Shuttleworth-Wallace模型在韩江流域的应用

基于AVHRR NDVI(归一化植被指数)、IGBP土地覆盖及CRU气象数据,利用Shuttleworth-Wallace(S-W)模型估算韩江流域1981-2000年的潜在蒸散发(PET)。结果表明,流域PET空间分布呈显著的非均匀性,从714.8～1 570.7 mm/a,主要受土地覆盖类型和地理位置影响;PET随植被类型和叶面积指数(LAI)季节性变化;输入数据的时空分辨率对PET的估算精度有较大影响;与Thornthwaite公式和FAO-56方法相比,S-W模型能够很好地反映地表变化对PET的影响。BTOPMC模型的应用表明,由S-W模型估算的PET在分布式水文模拟中取得了较好的效果。     

基于连续统去除法的湿地松叶绿素含量高光谱估算模型

采用ASD野外光谱辐射仪在BRDF测试系统环境下对野外采集的湿地松叶片样本进行光谱测量,以获得湿地松的叶片光谱反射率,并利用UV2450-紫外可见分光光度计对湿地松叶片进行叶绿素含量测定.采用连续统去除法对光谱数据进行处理分析,计算波段深度(BD)、波深中心归一化(BNC)、波段面积归一化(BNA)、波段深度归一化指数(NBDI)和反射率差异比率(DRR(λi))等光谱特征参数,通过对湿地松叶片叶绿素含量与光谱特征参数的相关性分析,得到NBDI748,BNC749,BNA617,BNA748四个特征参量,与湿地松叶绿素含量建立估算模型并对模型进行精度检验.结果表明以BNA617为变量建立的光谱参量模型能够较好的估算湿地松叶绿素含量.     

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.     

森林叶面积指数遥感研究进展

介绍了叶面积指数(LAI)的不同定义,论述了LAI遥感定量估算的经验模型和物理模型.分析了森林LAI遥感定量反演和LAI多尺度问题的国内外研究进展.针对目前的研究进展和存在问题,就森林LAI遥感定量反演的研究趋势和方向进行了展望.     

耦合高光谱数据估算土壤含水率的方法

在田间利用高光谱技术监测土壤含水率(Soil Moisture Content,SMC)成为精准农业研究的热点之一,但农田原状光谱受到土壤表层属性如表面粗糙度、质地、微聚体和其它环境因素的影响,且小尺度区域SMC空间差异较小,增加了SMC光谱信息的提取难度,导致SMC的估算精度较低;基于实验室内经过筛制备的土壤样品的光谱数据建模,虽然模型精度较高,但人为改变土壤结构和紧实度的预处理方式无法表征农田SMC的实际状况.因此,该文尝试提出一种耦合土样原状光谱数据和标准光谱数据估算农田SMC的新方法.通过获取江汉平原潮土土样的原状光谱反射率(R_und)和烘干光谱反射率(R_dry);基于R_dry确定研究区同一土壤类型在烘干状态下(SMC为0)的标准光谱(Std­R);采用差值、比值、归一化的方法耦合R_und和Std­R,得到耦合光谱(Cpl­R_S、Cpl­R_D、Cpl­R_N);提取耦合光谱中水分敏感波段的光谱(Moe­R_S、Moe­R_D、Moe­R_N),基于偏最小二乘回归方法(PLSR)建立SMC的估算模型.结果表明,标准光谱具有良好的代表性,能够为光谱耦合提供统一且稳定的背景值;耦合土样的原状光谱和标准光谱可以有效地削减土壤水分以外其它因素对土壤高光谱观测的影响;利用耦合光谱的水分敏感波段建立的SMC估算模型相较基于R_und建立的模型,有效降低了模型的复杂度,精度有较大程度地提升,建模集Rc(2)从0.46最高上升至0.61,验证集Rp(2)从0.49最高上升至0.71,RPD值从1.39最高上升至1.72,模型的稳定性、拟合度和预测能力都得到提升.该方法简单、易推广,为快速准确评估农田墒情提供了新途径.     

种植密度对玉米冠层高光谱特征的响应研究

为了探讨玉米种植密度与叶面积指数及冠层高光谱数据的定量关系,为遥感快速无损准确监测玉米种植密度提供理论依据,本研究选用ZD958、KWS3564和XY335 3个品种,6万、12万和18万株/hm~23个密度下获取玉米冠层高光谱数据及叶面积指数,分析种植密度与叶面积指数定量模型,并进行模型检验。结果显示:1)在6万株/hm~2密度下,波段范围350-532、563-704和742-1000 nm处玉米叶面积指数与光谱反射率具有极显著的相关,RVI[497,935]与LAI的相关性最好,R~2为0.67;在12万株/hm~2密度下,波段范围720-1158 nm处玉米叶面积指数与光谱反射率具有极显著的相关性,DVI[720,936]与LAI的相关性最好,R~2为0.49;在18万株/hm~2密度下,波段范围415-672、678-1750 nm处玉米叶面积指数与光谱反射率具有极显著的相关性,DVI[551,724]与LAI的相关性最好,R~2为0.65。2)经过模型精度检验推荐RVI[497,935]构建6万株/hm~2密度下的LAI估算模型,DVI[720,936]、DVI[551,724]构建12万株/hm~2密度下与18万株/hm~2密度下的LAI估算模型。结论:春玉米不同密度下叶面积指数与高光谱间有高的相关性,建立的提取模型具有高的精度,可对春玉米叶面积指数进行遥感监测。     

祁连山典型小流域高寒草地生物量估算及空间分布特征

以祁连山八宝河流域为例,实地采集的数据为基础,利用统计分析方法,估算了流域内高寒草甸与高寒草原的生物量,并结合实测的归一化植被指数(NDVIGS)和同期的多光谱遥感影像(NDVILD),建立了流域内高寒草地生物量的估算模型,并对流域内草地生物量进行了估算。研究结果表明:研究区内草地地上平均生物量为216.78g/m2,地下平均生物量为2 985.07g/m2。基于遥感估算高寒草地地上生物量的最优模型为指数函数(n=40,R2=0.731,P0.01),经与实地数据检验,精确度达到72%,模型适合高寒草地地上生物量的估算。基于遥感估算八宝河流域高寒草地地上生物量最高为459.54g/m2,最低生物量为45.12g/m2,地上总生物量为0.198×109 kg。     

面向移动目标的WSN单个检测模式覆盖问题

基于能量暴露模型,分析了环境噪声、传感器和被测移动目标物理参数节点检测半径的影响,提出了一种大规模无线传感器网络(WSN)在二维平面上节点归一化密度的三角形分析模型(TAM).以检测概率为覆盖性能评价指标,采用归一化分析方法,用TAM分析了归一化路径长度小于1时归一化密度与单个检测模式的检测概率关系,得到了最坏情况下节点归一化临界密度上限.仿真实验结果表明归一化临界密度可较为准确地由检测概率和归一化路径长度确定,可为大规模无线传感器网络的传感器参数选择和部署提供参考.     

由冠层孔隙度反演植被叶面积指数的算法比较

植被的叶面积指数（LAI）是植被最重要的生态参数之一，也是估算多种植被冠层功能过程的关键参数迄今已提出的LAI的获取方法可归纳为直接测定和间接估算两大类．本文以河北省黄骅市为研究区，从遥感光学模型建立机理及数量分析的角度，对由植被冠层孔隙度反演植被LAI的4种间接估算方法进行了试验和比较．研究结果表明，LAI与植被盖度之间呈明显的正相关关系，即随着LAI的增大，植被盖度也在增大．在这4种估算方法中，LAI-2000算法最适用于研究区植被LAI的估算．     

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.     

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。     

江汉平原水稻长势遥感监测及估产模型

以江汉平原监利县为例，探讨利用极轨气象卫星资料（ＮＯＡＡ－ＡＶＨＲＲ）监测水稻长势以及建立水稻估产模型，通过对样点资料的分析表明：（１）利用水稻垂直植被指数（ＰＶＩ）能推算水稻叶面积指数，并有利地从混合象元中提取其它水稻信息；（２）水稻叶面积指数阴有效积温呈规律性变化，将ＮＯＡＡ－ＡＶＨＲＲ民有效积温结合可以大范围监测水稻长势；（３）水稻叶面积时间累积量是反映水稻产量形成过程的有效指数，用它预报水     

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。     

蔬菜作物水分胁迫遥感光谱指数构建实验研究

蔬菜作物干旱程度是影响其长势及产量的关键因素,实时掌握其各生长阶段的干旱程度在农业估产、旱情监测等方面具有重要的意义。利用遥感监测技术可以快速、方便地获取作物的生长信息,对其各生长阶段的干旱程度进行实时监控和防治。通过同种小白菜在不同供水量条件下的室内实验,用ASD光谱仪实测其整个生长周期的冠层光谱。通过分析小白菜在不同供水量条件下的光谱特征,利用可分性度量方法构建归一化水分指数,实现了对小白菜整个生长阶段水分含量信息的识别;之后在已有卫星遥感器波段设置的基础上,通过可分性度量与因子分析相结合的数学方法构建两个光谱指数:生长指数(GI)和干旱指数(DI),实现了对小白菜的生长阶段及干旱程度的准确识别。室内实验直接观测得到的结果也为星载数据的使用提供了依据。     

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。     

Study on response of ecosystem to the East Asian monsoon in eastern China using LAI data derived from remote sensing information

Based on the leaf area index (LAI) data derived from remote sensing information and eco-climate data, the responses of regional ecosystem variations in seasonal and interannual scales to the East Asian monsoon are studied. It is found that the vegetation ecosystems of eastern China are remarkably correlated with the East Asian monsoon in seasonal and interannual scales. In the seasonal timescale, the obvious variations of the vegetation ecosystems occur with the development of the East Asian monsoon from the south in the spring to the north in the autumn. In the interannual scale, high LAI appears in the strong East Asian monsoon year, whereas low LAI is related to the weak East Asian monsoon year. These further lead to the characteristic of "monsoon-driven ecosystem" in the eastern China monsoon region, which can be revealed by LAI.     

基于6S模型的可见光、近红外遥感数据的大气校正

受大气吸收与散射的影响,电磁波在大气—目标物—遥感器途径传输过程中发生失真,造成目标地物反射辐射能量到达遥感器时被衰减。给计算地表反照率/反射率和地表温度等关键参数带来较大的误差。选择陆地卫星7号ETM+遥感影像的可见光、近红外波段数据,利用6S模型,进行大气辐射校正和反射率反演。同步气象数据用于遥感器所接受的大气顶部辐射的模拟、验证和评价6S对大气校正的可靠性。最后对ETM+可见光和近红外波段数据大气校正前后的反射辐射和均一化植被指数（NDVI）的变化进行了对比研究。     

基于地物波谱库构造农作物生长参数的时空分布先验知识

认识典型地物的波谱特征及其随波谱测量环境变量的变化,从积累的观测数据中提取地物波谱及其配套参数的时空分布知识,是对地表参数定量遥感反演研究的重要支撑.基于"中国典型地物标准波谱数据库"中收集的数据和模型,对典型农作物测量数据进行了系统整理,得到了我国5种农作物的主要生长参数(叶面积指数、全氮含量)在其主要生育期的统计数据,构造了这些参数的时空分布知识.文中所述的数据和方法,对于遥感反演中地表参数先验知识的初始值与不确定性估计、数据同化等相关研究,都有使用和参考价值.