基于高光谱数据的苔草营养成分反演方法研究

研究基于高光谱数据的苔草营养成分(侧重粗蛋白质、总氮、总磷)反演方法。结果显示,粗蛋白质的最佳反演模型是通过原始光谱反射率(偏最小二乘回归的方法)获得,R2=0.814、RMSE=0.450;总氮的最佳反演模型是通过一阶光谱反射率(偏最小二乘回归的方法)获得,R~2=0.850、RMSE=0.175;总磷的最佳反演模型是通过原始光谱反射率(偏最小二乘回归)获得,R~2=0.882、RMSE=0.025。最佳模型检验结果显示估算值和实测值之间的强相关性:粗蛋白质R2=0.801、RMSE=1.029,总氮R2=0.777、RMSE=0.234,总磷R2=0.756、RMSE=0.043。     

利用交叉验证的小麦LAI反演模型研究

叶面积指数(leave area index,LAI)是表征植被冠层结构和生长状况的关键参数,采用遥感技术进行LAI反演是遥感反演领域的热点和难点之一。利用小麦关键生育期的高光谱数据,计算其一阶和二阶导数,并构建植被指数(RVI,NDVI,EVI,DVI和MSAVI)及三边变量参数等高光谱变量;将上述参数与小麦LAI数据进行相关性分析,并利用交叉验证法进行多种回归分析,确定反演小麦LAI的敏感参数,选择反演模型;最后使用敏感参数构建所有样本的小麦LAI反演模型,并比较其拟合效果。研究结果表明:经过交叉验证的反演建模,其拟合结果的均方根误差(RMSE)整体上较未经交叉验证反演建模结果的RMSE小;在用敏感参数构建的回归模型中,RVI立方回归模型是用遥感数据反演小麦LAI的最优模型。     

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。     

遥感GPP模型在高寒草甸的应用比较

随着遥感数据时空分辨率的提高,大范围实时监测总初级生产力GPP(Gross Primary Productivity)的变化成为可能。本研究收集了黑河流域阿柔冻融观测站的气象观测资料和MODIS数据,驱动VPM、TG、VI和EC-LUE4个模型估算了该站点的GPP,并应用涡动相关观测的GPP验证了模拟结果,并比较了这4个模型的模拟精度。结果表明:阿柔站2009年的涡动相关观测的GPP、NEE(Net Ecosystem Exchange)和ER(Ecosystem Respiration)分别为:804.2gC/m2/yr、129.6gC/m2/yr和673.6gC/m2/yr。该站点光合作用固定的碳有83.8%通过生态系统的呼吸作用释放到大气中。基于遥感的GPP模型能够很好地模拟高寒草甸的GPP,全年的判定系数在0.94以上,生长季的判定系数大于0.84。     

联合星载高光谱影像和堆栈集成学习回归算法的红树林冠层叶绿素含量遥感反演

红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI_（12,17）、DSI_（12,18）和NDSI_（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm²）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm²）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm²）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R²=0.761,RMSE=16.738 μg/cm²）高于Sentinel-2A影像（R²=0.615,RMSE=20.701 μg/cm²）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R²=0.356,RMSE=49.419 μg/cm²）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R²均大于0.61）,而OHS数据的估算精度更高（R²大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R²小于0.4）,且对红树林CCC数值存在系统性低估。     

基于GF-1 WFV数据森林叶面积指数估算

以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple biosphere model2,Si B2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价。结果表明,采用EVI线性模型估算LAI,决定系数R2为0. 582,均方根误差(root mean square error,RMSE)为0. 701;而采用Si B2模型估算LAI,R2为0. 798,RMSE为0. 358,均比EVI线性模型有所改善。该研究发现,结合中高空间分辨率的GF-1 WFV数据,Si B2模型更适宜于该研究区森林植被的LAI反演。     

MODIS卫星遥感估计福州地区近地面PM2.5浓度

卫星遥感反演气溶胶光学厚度已被广泛应用于近地面空气污染遥感监测。为揭示福州地区细颗粒物污染的空间分异趋势,利用2014年—2015年的地基监测细颗粒物(PM_(2.5))浓度数据、MODIS 3 km气溶胶光学厚度(AOD)卫星数据以及GEOS-FP气象数据,分别构建了估计福州地区近地面PM2.5浓度的日校正模型和站点一日校正模型,并利用十折交叉验证方法对2个模型进行评价验证。结果表明:(1)日校正模型和站点一日校正模型分别能够解释福州地区PM2.5浓度76.2%和81.4%的变异,反演的2014年—2015年福州地区近地面PM2.5浓度和地面实测站点数据之间的相关性R~2分别为0.724(RMSE=10.993μg·m~(-3))和0.781(RMSE=9.687μg.m~(-3));(2)分别针对不同下垫面环境的城市站点和县郊站点数据进行模型拟合验证,两个模型反演的PM2.5浓度值与地面实测值之间皆具有良好的相关性,R~2最高可达0.808;(3)将模型反演的PM2.5浓度季均值与地面实测季均值进行对比分析,结果也显示二者高度相关,据此反演的2015年福州地区年平均PM2.5浓度分布图可清晰地揭示福州地区PM_(2.5)浓度分布的空间变化情况。由此可见,基于MODIS 3 km AOD产品和气象数据建立的近地面PM_(2.5)浓度遥感估算模型能够很好地反演出福州地区近地面PM2.5浓度分布情况。     

多模型耦合下的植被冠层可燃物含水率遥感反演

植被冠层可燃物含水率FMC(Fuel Moisture Content)是评估野火风险及估算火灾蔓延速率的重要指标。以中国西部6个典型研究区为例,基于辐射传输模型,利用Landsat 5 TM及Landsat 8 OLI遥感数据,开展草原、森林冠层FMC定量反演研究。为克服基于物理模型的病态反演问题、FMC自身的弱敏感性问题及西南森林多具复杂的双层冠层结构问题,研究中考虑了模型参数之间的相关特征,使用多波段遥感数据及耦合辐射传输模型等方法。反演结果显示,总体植被冠层FMC反演精度R~2为0.64,RMSE为44.86%,其中草地冠层FMC的反演精度(R~2=0.64,RMSE=47.57%)略低于森林冠层FMC的反演精度(R~2=0.71,RMSE=30.82%)。为进一步论证该反演结果对野火风险评估的有效性,研究中选取并分析了2011年3月2日于云南大理白族自治州剑川县金华镇金和村森林火灾爆发前、爆发时及灾后该区域植被冠层FMC的变化特征。结果显示,火灾爆发时该地区植被冠层FMC明显低于火灾发生前后(约一月时间)植被冠层FMC,证明了本文FMC反演结果对野火风险评估的有效性。     

利用日光诱导叶绿素荧光数据分析2007年—2018年北半球植被物候特征空间格局及其变化趋势

植被物候是指植被长期适应生活环境的周期性变化，形成与此相适应的生产发育节律。研究植被物候有助于更好地理解气候变化。目前利用植被遥感指数进行物候监测依然存在许多问题，而日光诱导叶绿素荧光（SIF）与总初级生产力（GPP）具有强耦合关系，在植被物候研究中具有很大潜力。本文利用双逻辑斯蒂函数模型，基于3种SIF数据（GOME-2,GOSIF和CSIF）计算了北半球地区2007年—2018年的物候特征，并与两种GPP数据和5种植被指数（VIs）数据进行对比验证。接下来利用GOME-2 SIF数据分析了北半球地区的物候分布特征，并利用Sen斜率因子检测北半球地区的物候变化趋势，最后计算了3个主要的气候因子对植被物候变化的影响。结果表明：（1）基于SIF数据计算的SOS与EOS比基于VIs数据的计算结果要更加接近于基于GPP数据的计算结果。（2）基于GOME-2 SIF数据计算的北半球地区植被2007年—2018年平均生长季始期（SOS）主要（>90%）集中在100—170 d，平均生长季末期（EOS）则主要集中在220—270 d。高海拔地区和高纬度地区相对于其他地区，SOS较晚，而EOS...     

陆地总初级生产力遥感估算精度分析

准确估算陆地总初级生产力GPP(Gross Primary Productivity)数值对碳循环过程模拟有重要影响。本文介绍了多种基于植被指数以及基于光能利用率的遥感GPP算法,综述了不同算法在其研究区域的估算精度;并分析了MODIS/GPP以及BESS/GPP两种遥感GPP产品在不同植被类型的估算精度。通过对比全球碳通量站网络GPP数据表明,MODIS/GPP产品在全球估算结果具显著相关性(R2=0.59)及中等标准误差(RMSE=2.86 g C/m2/day),估算精度较高的植被类型有落叶阔叶林,草地等;估算精度较低类型包括常绿阔叶林,稀树草原等。本文对GPP产品中存在的不确定性进行分析,通过综述前人研究中发现的遥感估算GPP方法中存在的问题,指出可能的提高卫星遥感GPP产品估算精度的方法及发展趋势。