高光谱数据与水稻叶面积指数及叶绿素密度的相关分析

分析了北京大屯科技站水稻叶面积指数 (LAI)、叶绿素密度 (CH .D)与高光谱分辨率遥感数据在整个生育期内的变化过程。利用微分技术处理水稻群体反射光谱以减少土壤等低频背景光谱噪音的影响。通过单相关分析和逐步回归方法研究水稻LAI、CH .D分别与光谱反射率、反射率的一阶微分光谱的相关关系 ,并建立预测回归方程。结果表明 ,微分技术能够改善光谱数据与LAI、CH .D的相关性 ,CH .D与光谱数据的相关明显优于同LAI的。     

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。     

美国西部黄松叶面积指数与高光谱分辨率CASI数据的相关分析

本文介绍了美国俄罗冈州西部黄松的叶面积指数(LAI)与小型航空光谱制图成像仪(CASI)获取的高光谱分辨率数据进行的相关分析。在试验场地上使用LAI-2000植物冠层分析仪测得8个LAI值(0.87—2.72)。对CASI数据进行一阶和二阶微分处理,以减少土壤背景光谱对森林光谱的影响。使用逐步回归分析方法探索LAI与CASI数据的关系。由回归分析产生多元线性方程和相应的拟合度(GOF)及估计LAI的标准误(SE)。结果说明光谱微分技术能够提高LAI和CASI数据的相关性,因而可以改善LAI的估计精度。如,对于单通道LAI预测的最高GOF值是0.681,SE是0.345,而经一阶和二阶光谱微分处理后,GOF被分别提高到0.904和0.898,SE被分别降低到0.189和0.195.     

引黄灌区水稻叶面积指数的高光谱估测模型

水稻叶面积指数（leaf area index,LAI）是评价其长势的重要农学参数,高光谱遥感能够实现叶面积指数的快速无损监测。为了寻找反演水稻LAI的最优植被指数,扩展水稻LAI高光谱估测模型的普适性,选取宁夏引黄灌区水稻为研究对象,通过设置不同氮素处理,借助相关分析、回归分析等方法研究高光谱植被指数与水稻LAI之间的定量关系,并通过确立的最优波段组合,构建4种植被指数与水稻LAI的高光谱反演模型。结果表明,水稻LAI在抽穗末期达到最大值,并随氮素水平的增加而增加;水稻冠层原始光谱反射率在400~722 nm和1 990~2 090 nm波段与LAI达到极显著负相关水平,在近红外区域760~1 315 nm与LAI呈极显著正相关。模型检验结果表明,以比值植被指数RVI（_850,750）为变量建立的水稻LAI估测模型最佳,研究结果可为水稻LAI的高光谱估测提供地域参考。     

苹果树叶片全氮含量高光谱估算模型研究

采用Field-Spec Pro便携式光谱仪,测定了不同苹果品种叶片的光谱反射率及对应的全氮含量,采用相关性及单变量线性与非线性拟合分析技术,对全氮含量与原始光谱反射率、一阶微分光谱、高光谱参数之间的关系进行了分析。研究确立叶片全氮含量的定量监测模型,以期为遥感技术在苹果氮素营养诊断中的实际应用提供理论依据。结果表明:全氮含量与原始光谱在715nm处具有最大负相关系数(r=?0.817),并且基于此波长所构建的对数关系估算模型明显优于线性模型;光谱反射率一阶微分值在723nm处具有最大正相关系数(r=0.87),并且基于此波长所构建的线性和非线性模型的拟合效果接近;对于所选取的3类高光谱特征变量,全氮含量除了与黄边位置及由红边位置和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱外,与其余变量均呈极显著相关,说明这些变量对苹果叶片全氮含量进行估算具有可行性。对所建立的各类方程进行检验,最终筛选确定在723nm处的光谱反射率一阶微分值所构建的指数模型作为苹果叶片全氮含量的预测模型最为理想。     

土壤Cu含量高光谱反演的BP神经网络模型

以高光谱数据为基础,针对传统土壤重金属反演模型拟合度低、预测效果差的缺点,提取光谱预处理后的特征波段数据进行相关性分析,选取860nm一阶微分光谱反射率建立基于Matlab的重金属Cu含量BP神经网络预测模型,模型的拟合优度为0.721,预测精度达82.3%,高于传统单元线性回归模型0.414的拟合优度与76.1%的预测精度。研究表明,BP神经网络模型具有良好的拟合优度与预测能力,能更有效预测土壤中重金属Cu的含量。     

基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下 ,以吉林省德惠市夏家点镇为研究区 ,探讨了一条基于TM遥感影像反演得到的归一化植被指数 (NDVI)与地面观测数据叶面积指数 (LAI)的水稻生长状况的研究途径 ,并利用NDVI以及LAI对该区 2 0 0 0年和 2 0 0 1年的水稻生长状况进行了分析研究。     

不同供氮水平下水稻高光谱及其红边特征研究

通过大田和室内试验 ,测定了 3个供氮水平下 2个品种的水稻冠层、主茎叶片在不同发育期的高光谱反射率及对应的叶绿素、类胡萝卜素含量。结果表明 :不同供氮水平的水稻冠层和叶片光谱差异明显 ,其光谱反射率随供氮水平的提高在可见光范围降低 ,在近红外区域增高 ;拔节期和孕穗期主茎倒三叶反射率在可见光和近红外区域均高于倒一叶 ;冠层光谱红边位置λred、红边幅值Dλred和红边面积Sred孕穗前呈“红移” ,抽穗后呈“蓝移”现象 ;叶面积指数LAI、地上鲜生物量AFM、地上干生物量ADM和鲜叶重FLM与冠层光谱变量R12 0 0 /R550 ,R990 /R550 ,R80 0 /R550 ,R750 /R550 ,λred,Sred之间有极显著相关 ,冠层和叶片色素含量与其光谱变量R80 0 /R550 和λred之间也存在显著相关。这说明用合适的高光谱变量来估算水稻LAI,AFM ,ADM ,FLM和冠层、叶片的色素含量     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径.研究表明,一阶微分变...     

盐渍化土壤光谱特征分析与建模

为建立土壤盐渍化遥感监测模型,选取宁夏回族自治区平罗县典型土壤盐渍化发生区域作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含盐量与p H值数据为基础,进行高光谱数据处理,分析不同盐渍化程度土壤的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶微分等光谱变换,计算高光谱指数;与土壤样本含盐量进行相关性分析,筛选盐渍化土壤的光谱特征波段,利用多元线性回归分析建立土壤盐渍化监测模型。研究结果表明:以倒数一阶微分变换后的940 nm和1 094 nm波段作为特征波段构建的土壤盐渍化遥感监测模型最优。     

Mapping forest leaf area index using reflectance and textural information derived from WorldView-2 imagery in a mixed natural forest area in Florida,US

The leaf area index (LAI) of plant canopies is an important structural parameter that controls energy, water, and gas exchanges of plant ecosystems. Remote sensing techniques may offer an alternative for measuring and mapping forest LAI at a landscape scale. Given the characteristics of high spatial/spectral resolution of the WorldView-2 (WV2) sensor, it is of significance that the textural information extracted from WV2 multispectral (MS) bands will be first time used in estimating and mapping forest LAI. In this study, LAI mapping accuracies would be compared from (a) spatial resolutions between 2-m WV2 MS data and 30-m Landsat TM imagery, (b) the nature of variables between spectrum-based features and texture-based features, and (c) sensors between TM and WV2. Therefore spectral/textural features (SFs) were first selected and tested; then a canonical correlation analysis was performed with different data sets of SFs and LAI measurement; and finally linear regression models were used to predict and map forest LAI with canonical variables calculated from image data. The experimental results demonstrate that for estimating and mapping forest LAI, (i) using high resolution data (WV2) is better than using relatively low resolution data (TM); (ii) extracted from the same WV2 data, texture-based features have higher capability than that of spectrum-based features; (iii) a combination of spectrum-based features with texture-based features could lead to even higher accuracy of mapping forest LAI than their either one separately; and (iv) WV2 sensor outperforms TM sensor significantly. However, we need to address the possible overfitting phenomenon that might be brought in by using more input variables to develop models. In addition, the experimental results also indicate that the red-edge band in WV2 was the worst on estimating LAI among WV2 MS bands and the WV2 MS bands in the visible range had a much higher correlation with ground measured LAI than that red-edge and NIR bands did.     

不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析

本研究利用水稻冠层高光谱数据,模拟NOAA-AVHRR,Terra-MODIS和Landsat-TM的可见光波段反射率数据,计算各传感器的多种植被指数(NDVI,RVI,EVI,GNDVI,GRVI和Red-edge RVI),比较植被指数模型对水稻LAI的估测精度,分析不同植被指数对LAI变化的敏感性.相对于红波段植被指数,红边比值植被指数(Red-edge RVI)和绿波段指数GRVI与LAI有更好的线性相关关系,而GNDVI和LAI呈现更好的对数相关关系.MODIS的Red-edge RVI指数不仅模型拟合的精度最高,还有独立数据验证的估测精度也最高,而且它的验证精度较拟合精度下降幅度最小;其次是绿波段构建的GNDVI和GRVI植被指数的估测精度,再次是NDVI和EVI的估测精度,而RVI的估测精度最差.敏感性分析发现,13个植被指数对水稻LAI的估测能力都随着LAI的增加而下降,但归一化类植被指数和比值类植被指数对LAI变化反应的差异明显,归一化类植被指数在LAI较低时(LAI<1.5)对LAI变化的反应开始非常敏感,但迅速下降,而比值类植被指数在LAI较低时,明显小于归一化类植被指数,之后随着LAI的增大(LAI>1.5)比值类植被指数对LAI的变化敏感性,则明显高于归一化类植被指数.Red-edge RVI和绿波段指数GRVI和LAI不仅表现了很好的线性相关关系,而且在LAI大于2.9左右保持较高的敏感性.     

遥感估算水稻产量Ⅱ.用光谱数据和陆地卫星图像估算水稻产量

本文介绍了采用更系统的生物学方法,根据水稻在整个生长期的叶面积指数轨线,按叶面积指数的一次测量值,结合气象和光谱数据及陆地卫星MSS图像,估算大面积水稻产量的方法。 在产量与总截获的关系中,叶面积指数是最重要的参量之一。文中重点分析了由水稻在MSS波段内的光谱数据构成的绿度指数和Suits模式估算叶面积指数的结果。表明,用Suits模式计算的叶面积指数有较高的相关系数和较低的剩余标准差。并用这个方法计算了不同田块的叶面积指数,再根据这些数据和MSS图像建立关系。本文比较了卫星数据和多种绿度指数的关系,认为垂直植被指数(PVI)是估算叶面积指数的最好参量,因为它消除了土壤背景的影响,并用它求出了大面积水稻的叶面积指数分布。再根据已建立的叶面积指数轨线和作物截获的有效光合辐射(TIPAR)关系,计算了TIPAR,编制了产置分布图。文章分析了计算结果,并以1983年的例子进一步讨论了该方法的适用性。结果表明,预测的水稻产量和实测产量间的相关系数为0.9左右。     

高光谱反演水稻叶面积指数的主成分分析法

为了通过水稻冠层反射光谱来提取水稻叶面积指数信息，尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱， 比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现，红边位置光谱可以较好地区分LAI和叶绿素 浓度二者引起光谱变化的差异。由此提出对700 nm~750 nm区间内的反射光谱做主成分变换，并利用第2主成分与LAI建立反演模型( 即主成分分析法)，取得了较好效果，表明在植被指数趋近于饱和以至于无法区分二者相关性时，主成分分析法可以作为一种简单 而有效提取水稻叶面积指数信息的补充手段。     

Estimation and comparison of leaf area index of agricultural crops using irs liss-III and EO-1 hyperion images

Motivated by the increasingly availability and importance of hyperspectral remote sensing data, this study aims to determine whether current generation narrowband hyperspectral remote sensing data could be used to estimate vegetation Leaf Area Index (LAI) accurately than the traditional broadband multispectral data. A comparative study has been carried out to evaluate the performance of the narrowband Normalized Difference Vegetation Index (NDV1) derived from Hyperion hyperspectral sensor with that of derived from IRS LISS-III for the estimation of LAI of some major agricultural crops (e.g. cotton, sugarcane and rice) in part of Guntur district, India. It has been found that the narrowband NDVI derived from Hyperion has shown better results over its counterpart derived from broadband LISS-III. Linear regression models have been used which with selected subsets of individual Hyperion bands performed better to predict LAI than those based on the broadband datasets, although the potential to overfit models using the large number of available Hyperion bands is a concern for further research.     

Estimation of forest LAI by inverting canopy reflectance models and multi-angle imagery

Computer simulation models have seldom been applied for estimating the structural and biophysical variables of forest canopy. In this study, an approach for the estimation of leaf area index (LAI) using the information contained in hyperspectral, multi-angle images and the inversion of a computer simulation model are explored. For this purpose, L-systems combined with forest growth model ZELIG were applied to render 3-D forest architectural scenarios. The Radiosity-graphics combined model (RGM) was used to estimate forest LAI from the Compact High-Resolution Imaging Spectrometer/Project for On-Board Autonomy (CHRIS/PROBA) data. LAI inversion was performed using the look-up table (LUT) method. The estimated LAI was evaluated against in situ LAI measurement and compared against the LAI predictions from CHRIS data obtained using the Li-Strahler geometric-optical canopy reflectance model (GOMS). The results indicated that the method used in this study can be efficient strategy to estimate LAI by RGM model inversion.     

大米草室内叶片光谱特征参数与叶绿素浓度关系研究

本文通过分析大米草叶片反射光谱特征,并提取红边位置、红边斜率和红边面积三个红边参数以及叶面叶绿素指数(LCI)、水分指数(WI)、三角植被指数(TVI)、结构相关色素指数(SIPI)四个高光谱植被指数,利用线性、对数、倒数、二次函数和三次函数曲线模拟算法得到大米草叶片叶绿素a浓度的高光谱估算模型。研究结果表明:叶绿素a浓度与红边斜率和红边面积在0.01水平上显著负相关,与LCI、WI和TVI在0.01水平上显著正相关。基于红边斜率、红边面积、TVI三个参数,选用倒数法构建叶绿素a浓度的估算模型精度明显高于其他算法。基于LCI和WI参数,应用三次函数法构建的叶绿素a浓度的高光谱检测模型精度明显高于其他算法。比较R2和模型估算误差,利用WI水分指数应用三次函数构建叶绿素a浓度的高光谱检测模型精度在所有模型中最高。因此,利用叶片光谱技术可以较高精度地估算叶绿素a浓度。     

A physically based approach to model LAI from MODIS 250 m data in a tropical region

A time series of leaf area index (LAI) has been developed based on 16-day normalized difference vegetation index (NDVI) data from the Moderate Resolution Imaging Spectroradiometer (MODIS) at 250 m resolution (MOD250_LAI). The MOD250_LAI product uses a physical radiative transfer model which establishes a relationship between LAI, fraction of vegetation cover (FVC) and given patterns of surface reflectance, view-illumination conditions and optical properties of vegetation. In situ measurements of LAI and FVC made at 166 plots using hemispherical photography served for calibration of model parameters and validation of modelling results. Optical properties of vegetation cover, summarized by the light extinction coefficient, were computed at the local (pixel) level based on empirical models between ground-measured tree crown architecture at 85 sampling plots and spectral values in Landsat ETM+ bands. Influence of view-illumination conditions on optical properties of canopy was simulated by a view angle geometry model incorporating the solar zenith angle and the sensor viewing angle. The results revealed high compatibility of the produced MOD250_LAI data set with ground truth information and the 30 m resolution Landsat ETM+ LAI estimated using the similar algorithm. The produced MOD250_LAI was also compared with the global MODIS 1000-m LAI product (MOD15A2 LAI). Results show good consistency of the spatial distribution and temporal dynamics between the two LAI products. However, the results also showed that the annual LAI amplitude by the MOD15A2 product is significantly higher than by the MOD250_LAI. This higher amplitude is caused by a considerable underestimation of the tropical rainforest LAI by the MOD15A2 during the seasonal phases of low leaf production.     

叶面积指数遥感尺度效应与尺度纠正

由于地表空间异质性的普遍存在,遥感反演模型的非线性必然会导致不同分辨率观测的遥感结果不一致,从而产生遥感产品尺度效应。本文研究了遥感产品尺度效应概念、模拟方法和定量计算模型,并利用锡林浩特草原研究区的实测数据,对尺度效应模型和方法进行了定量计算与验证分析。首先,基于不同升尺度方法与多尺度遥感成像机理之间的机理联系,通过“先反演再平均”与“先平均再反演”之间的差异,可计算“高”分辨率与“低”分辨率之间的遥感产品尺度差异。其次,分别以红光、近红外两波段反射率和归一化植被指数(NDVI)为自变量,对叶面积指数(LAI)非线性遥感模型进行泰勒展开,研究了模型非线性、遥感数据空间异质性对LAI遥感产品尺度差异的影响,发现高阶项可忽略,利用二阶导数项和遥感数据方差项可定量计算遥感产品尺度差异,经过二阶导数项纠正后的尺度差异相对偏差从5.6%分别降低到0.78%和1.45%。最后,分析了LAI遥感产品尺度效应的特征规律,得出以下结论:随着植被覆盖的增大,同等遥感空间异质性的LAI遥感产品尺度差异越大,且红光波段比近红外波段的尺度差异敏感性高近2个数量级;对于绝大部分陆地植被区域,存在“低分辨率低估”尺度效应,且遥感产品尺度差异的主导要素为LAI模型非线性,NDVI变量自身非线性对尺度效应贡献占23.5%;对于湿地类植被与水体混合情形,NDVI变量非线性的贡献为主导贡献,出现“低分辨率高估”尺度效应,必须利用红光、近红外两波段的二阶导数项非线性尺度差异,才能解释这一类型的LAI遥感产品尺度效应。本文建立了具有一定普适意义的遥感产品尺度效应定量模拟与尺度纠正方法,对推动定量遥感的尺度问题研究有一定参考价值。