小麦生物量和真实叶面积指数的高光谱遥感估算模型

利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段.     

冠层反射光谱对植被理化参数的全局敏感性分析

植被理化参数与许多有关植物物质能量交换的生态过程密切相关,定量分析植被反射光谱对理化参数的敏感性是遥感反演理化参数含量的前提。本文采用EFAST(Extended Fourier Amplitude Sensitivity Test)全局敏感性分析方法,利用PROSAIL辐射传输模型分析了冠层疏密程度对叶片生化组分含量、冠层结构以及土壤背景等多种参数敏感性的影响,并对植被理化参数反演所需先验知识的精度问题进行了初步探讨。研究表明:(1)对于较为稠密的冠层,可见光波段的冠层反射率主要受叶绿素含量的影响,近红外和中红外波段的冠层反射率主要受干物质量和含水量的影响;(2)对于稀疏的冠层,LAI是影响400—2500 nm波段范围内冠层反射率的最重要参数,土壤湿度次之,叶片生化参数对冠层反射率的敏感性较低;(3)在已知稀疏冠层LAI的情况下进一步确定土壤的干湿状态,可显著提高冠层反射率对叶绿素含量的敏感度,有助于稀疏冠层叶绿素含量的反演。     

利用辐射传输模型和随机森林回归反演LAI

针对辐射传输模型与查找表结合反演叶面积指数的方法存在反演工作量大且反演速度缓慢的问题,提出利用辐射传输模型和随机森林组合模型对路域植被叶面积指数进行估算的方法。该模型定义一种辐射传输模型和随机森林回归模型结合反演叶面积指数的方法。以研究区实测高光谱数据和模拟光谱数据为数据源,在相关性分析和敏感性分析的基础上,选取适宜作为反演因子的植被指数,而后进行随机森林算法回归,反演得到预测叶面积指数。结果表明:基于辐射传输模型和随机森林算法反演的路域植被叶面积指数与实测结果一致,准确及时的反映路域植被叶面积指数信息,可以较好地应用在路域环境植被参数反演中。     

基于PROSPECT＋SAIL模型的遥感叶面积指数反演

以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。     

改进Sobol算法支持下的PROSAIL模型参数全局敏感性分析

定量分析模型参数的敏感性是构建参数反演模型的关键步骤。本文采用改进Sobol全局敏感性分析算法,对PROSAIL模型的输入参数进行全局敏感性分析。结果表明:①在可见光波段430~760 nm范围内,叶绿素含量的总敏感度约为80%;②在近红外波段800~1100 nm范围内,平均叶倾角、叶片干物质含量和LAI是影响冠层反射率的3个最重要的参数;③在短波红外波段1100~2500 nm范围内,叶片含水量逐渐成为影响冠层反射率的主要参数。叶绿素、水和干物质等参数吸收系数的变化及相对大小的不同是造成以上变化的主要原因。该研究可以为植被生化参数的反演提供理论基础。     

地面高光谱和PROSAIL模型的冬小麦叶绿素反演

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。     

基于经验模型的Hyperion数据植被叶绿素含量反演

对于反演植被叶绿素含量而言,基于Hyperion等高光谱传感器数据、利用经验方法建模是一种快速准确的方法。利用多种植被的实测数据以及Hyperion模拟数据,分析植被反射率及其变化形式与叶绿素含量的相关性,并进一步针对红边参数、植被指数等分析植被反射率与叶绿素含量的关系,选取最准确的经验建模方法。经过对比,改进的简单比值指数(modified simple ratio,MSR)与叶绿素含量相关性最高,其回归模型能比较准确地反演出叶绿素含量。通过Hyperion图像、利用MSR指数与实测叶绿素含量得到回归模型,建立区域叶绿素含量分布图;并对张掖地区植被叶绿素含量进行了反演,反演结果具有较高精度,相对误差低于5%。     

基于叶片-冠层-大气耦合的植物星上光谱特性模拟分析

将植物叶片光谱模型PROSPECT、植被冠层光谱模型SAIL与大气辐射传输模型6S进行耦合,模拟不同参数条件下植被星上光谱信息在400～ 900 nm谱段的变化,并分析从地表植物叶片光谱、冠层光谱到卫星入瞳处光谱的过程中,植物叶片的叶肉结构参数、叶绿素含量、干重、叶片含水量和植物冠层的叶面积指数(LAI)、太阳天顶角、气溶胶光学厚度、地表邻近效应以及混合像元等参数对植物光谱的影响.研究结果表明,由大气引起的误差要远大于由植物本身的各种生化参数引起的误差;在叶片尺度上引起反射率发生变化的主要因素是叶绿素含量和叶肉结构参数,含水量的影响非常小,可以忽略;在冠层尺度上引起光谱发生变化的因素主要有LAI和叶片倾角.     

植被生化组分的遥感反演方法研究

从反演物理模型提取植被生化组分含量的角度 ,分别在叶片和冠层水平探讨了反演生化参量的方法。在叶片水平 ,利用实验室测量光谱数据 ,较为准确地提取了水分和叶绿素含量 ,通过比较真实光谱数据与利用模型和真实参数模拟的光谱数据 ,得出如下结论 :模型能否准确描述某个参数的作用是能否真正准确反演该参数的关键。在模拟的冠层水平 ,基于多阶段反演思想 ,采用了分步反演策略 ,最终较为准确地反演了生化参数。     

基于Hyperion影像的水稻冠层生化参量反演

采用小区实验与大田应用相结合的方法, 依据扬州实验小区地面实测拔节期、抽穗期及灌浆期的水稻叶片、冠层光谱及氮和叶绿素含量, 采用光谱吸收特征和植被指数分析方法, 得到估算水稻氮和叶绿素含量的最佳光谱特征参数; 结合覆盖江苏姜堰地区大田的Hyperion高光谱遥感影像, 建立反演水稻冠层氮和叶绿素含量的模型, 对研究区大田水稻冠层氮和叶绿素含量进行了反演及制图。结果表明: 经波深中心归一化方法分析, 发现以670nm为中心的光谱吸收特征面积与水稻氮含量呈显著相关性; 基于反转归一化光谱, 结合560nm和670nm两个波段, 建立的植被指数NDVI560_670能很好地反演水稻叶绿素含量。