联合PROSAIL模型和植被水分指数的低矮植被含水量估算

植被冠层含水量CWC (Canopy Water Content)和植被地上部分含水量VWC (Vegetation Water Content)对于植被健康状况和土壤干旱监测具有重要意义。本文联合PROSAIL辐射传输模型和植被水分指数NDWI(Normalized Difference Water Index),发展了一种简单、通用性较好的低矮植被CWC和VWC反演方法,可实现中、高空间分辨率下的CWC和VWC估算。首先对PROSAIL模型输入参数进行敏感性分析,明确各参数对模型输出反射率的影响机制,以优化PROSAIL模型输入参数设置并生成低矮植被的反射率模拟数据。基于模拟数据,计算了4个植被水分指数NDWI_((860,1240))、NDWI_((860,1640))、NDWI_((1240,1640))和NDWI_((860,970))用于反演低矮植被CWC和VWC。基于模拟数据的结果表明,4个植被水分指数与ln (CWC)都存在明显的线性关系,基于该关系建立了CWC估算模型。该模型可以直接用于低矮植被CWC估算,并通过VWC与CWC之间的经验关系间接计算得到VWC。模型模拟结果也表明,由于NDWI_((860,1640))和NDWI_((1240,1640))高度相关(R~2=0.99),两者可以提供相似且相对较好的低矮植被CWC估算精度。基于地面实测数据的验证结果与基于模拟数据的结果表现出很好的一致性,即基于NDWI_((860,1640))和NDWI_((1240,1640))估算的VWC都有相似且较高的精度,决定系数(R~2)都为0.88,均方根误差(RMSE)分别为0.4558 kg/m~2和0.4380 kg/m~2。利用Landsat 5 TM数据对NDWI_((860,1640))估算效果的验证结果显示,模型估算CWC与地面实测CWC的R~2为0.84,RMSE为0.1342 kg/m~2,估算VWC的RMSE为0.5651 kg/m~2。本文提出的基于NDWI_((860,1640))和NDWI_((1240,1640))的CWC/VWC估算模型可被用于低矮植被的长势监测和干旱监测,为低矮植被覆盖地表的土壤水分反演提供高质量的植被水分信息。     

植被覆盖地表土壤水分遥感反演

以地域特色突出的新疆渭干河-库车河三角洲绿洲为研究区,联合使用雷达数据和光学遥感数据,对干旱区绿洲土壤和植被水分信息进行提取。在同期光学遥感影像数据提取植被归一化差分水分指数基础上,利用"水-云模型"从雷达数据总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系,相关系数为HH极化R2=0.5227,HV极化R2=0.3277。结果表明利用C波段HH极化雷达影像数据结合光学影像数据,进行干旱半干旱地区棉花、玉米等农作物种植区地表土壤水分反演时,在中等覆盖条件下去除植被影响有较好的效果。     

不同植被水分指数对小麦水分状况监测效果对比

通过对比不同水分指数对冬小麦水分状况的监测效果,选择出不同时期的最优水分指数,为遥感监测作物水分提供理论依据。利用冬小麦一个完整生长季内不同时期的5次水分胁迫下光谱与水分状况实测数据,计算出NDVI、NDWI、GVMI(全球植被水分指数)、PWI(植被水分指数)及WI(水分指数)这5个常用水分指数的数值,并与EWT(等效水厚度)、FMC(相对水分含量)进行相关性分析。经过综合分析与比较,发现在小麦生长前期,FMC比EWT更适合反演水分状况,而小麦生长后期,则EWT比FMC更为适合。不同时期小麦水分监测的最优指数不同,而且随着小麦的生长,光谱指数对水分状况监测效果呈现先升后降的趋势。在实际应用中,应当根据小麦生长的不同时期,选择不同的指数来监测小麦的水分状况。     

基于光谱特征的三峡坝区水色要素反演

基于野外测定的水质参数,通过研究三峡坝区水体中水色要素浓度与反射率之间的关系,选择反演叶绿素、悬浮物、溶解性有机物的最佳波段,建立了反演水色要素浓度的遥感定量模型。研究表明,在波段比值的基础上进行幂次修正的波段组合反射率与SS浓度相关性较好(R2=0.76),可以用来估算悬浮物浓度;悬浮物浓度影响叶绿素浓度的反演精度,通过在模型中增加一个红绿波段比值指数项的方法能够抑制或削弱悬浮物的影响,提高了叶绿素浓度的反演精度(R2=0.75);DOC反演模型中,绿光波段与红光波段反射率的对数值能较好的估算DOC浓度,且与log(DOC)相关程度最高,决定系数为0.85,反演精度较高。     

基于TM的辐射传输模型反演叶面积指数可行性研究

基于PROSAIL辐射传输模型，引入土壤反射指数SRI来简化模型，提出直接从反射率计算SRI的方法；  同时，针对不同的植被状况，采取不同波段组合对模型的参数进行敏感性分析，确定自由参数与反演波段组合，提出一种基于不同植被状况的叶面积指数反演策略； 最后，应用遗传算法对模拟的TM光谱反射数据进行实验。结果表明，对于LAI＜3的植被，反演精度较高； 但是对于LAI＞3的植被，反演精度较低，其原因主要是冠层反射对LAI不再敏感。因此，辐射传输模型反演LAI有一定适用范围，只有在此范围内LAI的反演精度才可靠。     

面向无人机可见光影像的植被指数评价

以无人机可见光影像为数据源,选用归一化绿红差指数(NGRDI)、归一化绿蓝差异指数(NGBDI)、超绿指数(EXG)、超绿超红差分指数(EXGR)、植被颜色指数(CIVE)、可见光波段差异植被指数(VDVI)、改进型绿红植被指数(MGRVI)、超绿红蓝差分指数(EGRBDI)、红绿蓝比值植被指数(RGBRI)以及增强归一化绿蓝差异指数(E-NGBDI)可见光植被指数,通过10种植被指数分别计算出植被指数灰度图。采用最大熵值法计算阈值划分出植被与非植被,并将分类结果与通过监督分类获得的参照图进行精度验证。精度评定采用Kappa系数、用户精度、生产者精度3种方法。通过比较其结果发现,EXG和VDVI的植被提取结果最为准确,方法适用性和可靠性较好。     

基于综合干旱指数的淮河流域土壤含水量反演

为了方便快捷地得到大范围的土壤含水量产品,以MODIS数据为数据源,淮河流域为研究区域,结合表观热惯量模型和植被供水指数模型的适用性特点,根据地表植被覆盖度的不同,建立综合干旱指数(comprehensive drought index,CDI)模型,对土壤含水量进行反演;然后,将反演的CDI结果与地表实测数据进行相关性建模,得到CDI与实测数据间的最佳拟合模型,利用该模型把CDI结果转化为最终的土壤含水量值;最后,通过实测含水量数据来验证反演结果的可靠性和精度。结果表明,反演得到的土壤含水量与实测土壤含水量相关性较高,相关系数R~2均在0.7左右,该方法对于高效地获取大面积土壤含水量信息具有较好的应用价值。     

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。     

基于混合像元分解理论的路域植被等量水厚度遥感反演

为削弱混合像元对植被参数反演的影响，提出了基于混合像元分解理论反演路域植被等量水厚度的方法。利用PRO4SAIL模型正演获得的高光谱窄波段数据，模拟Landsat 8遥感影像宽波段植被冠层光谱数据，并进行等量水厚度的敏感植被指数的筛选；对覆盖研究区域的Landsat 8遥感影像进行线性混合像元分解，获取更加精确的植被冠层光谱反射率；同时，利用支持向量机构建等量水厚度估测模型，实现对路域植被等量水厚度的遥感反演。研究结果表明，利用混合像元分解后得到的植被冠层光谱参与模型反演得到的路域植被等量水厚度更加符合实际情况，为遥感影像反演植被参数提供了有效数据。     

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。