测绘地物波谱本底数据库

地物波谱特性是利用遥感进行建模反演和地物目标探测识别的理论基础，波谱数据库对于提高遥感应用水平有重要作用。为规范和丰富中国波谱数据库并促进其在测绘等领域的应用，依托国家科技性基础专项,建立了“测绘地物波谱本底数据库”，在数据规范编制、波谱数据采集实验与整编入库、地物波谱数据库建设和应用示范初步探索方面取得重要进展。在波谱数据采集和处理的标准规范方面，建立完善了测绘地物波谱与配套非波谱数据收集与汇总标准、测绘地物波谱和配套非波谱参数测试技术规范、测绘地物波谱库地物分类编码规范。依照项目制定的数据规范标准，对现有波谱数据进行了整编和入库，共计整编数据1.4万余条；组织实施了全国范围的典型地物波谱采集实验以及相应配套参数测量实验，主要试验类型包括典型地物波谱测量试验、定点时间序列测量试验、多尺度测量试验、全波段测量试验、参数控制测量试验和无人机观测试验等，共计获取地物波谱1.7万余条。特别是在华北和东北进行了全波段观测试验（可见光—近红外波（0.35—2.5 μm）、红外波段（3—15 μm）、微波波段（Ka、K、X、C、L波段）），获取冰雪、土壤、植被冠层、人工目标的全波段数据。为方便波谱数据的应用和共享，项目建设了包含3万余条数据的测绘地物波谱本底数据库（GOSPEL）及数据共享平台。依据地物波谱数据的类型和应用需求，形成了全波段典型地物波谱数据集、多角度光谱反射率数据集、多尺度典型地物反射率数据集、长时间系列波谱数据集等共25个特色数据集。基于测绘地物波谱本底数据库进行了地物分类、遥感机理模拟、遥感定量反演、遥感产品验证等方面的应用示范。     

利用MODIS图像反演海岸与海岛的地物光谱反射率

提出一种利用MODIS图像,用查找表反演海岸与海岛地物光谱反射率的方法。该方法首先借助AHMAD辐射传输模型,由MODIS图像的水体像元反演出气溶胶的光学特性;在所选影像为晴空无云条件下,假设一定范围内的海岛与海岸上空的大气和水体上空的大气一样,借助6S辐射传输模型计算基于地物光谱反射率的查找表,然后由MODIS图像的陆地像元的反射率和几何条件加上反演的气溶胶光学厚度,用插值法可求得地物光谱反射率。还给出了厦门地区实际卫星图像的反演结果,并就反演误差进行了分析。     

用遗传算法反演连续植被的组分温度

由于热红外多波段数据间具有高度的相关性和混合像元的大量存在，使得多波段陆面温度反演精度难以提高，并且难以得到组分温度信息。在连续植被热辐射方向性规律上的基础上，以喜直型连续植被为例，进行了大量的Monte-Carlo模拟，建立了组分有效比辐射率与土壤表面比辐射率和植被叶面积指数之间的经验函数关系，并以此构造目标函数，采用遗传算法，从热红外多角度数据中，同时反演混合像元组分温度和土壤比辐射率以及叶面积指数。通过对模拟的观测数据进行遗传算法反演的大量试验，结果表明，遗传算法反演组分温度非常稳健，在宽松的先验知识条件下，遗传算法可以解决不确定性反演问题。遗传算法反演结果和野外实测数据作了比较，证实了反演原理的正确性，为基于热红外方向性辐射模型反演组分温度，提供了新方法。     

基于TM数据的植被覆盖度反演

本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。     

遗传算法在组分温度反演中的应用

介绍了遗传算法的主要内容和工作原理。在连续植被热辐射方向性模型的基础上,从热红外多角度遥感数据中,同时反演混合像元组分温度、土壤比辐射率以及叶面积指数。大量试验表明,利用遗传算法反演组分温度效果非常好。在宽松的先验知识条件下,该方法可以解决不确定性反演问题     

基于新型机载多角度传感器AMTIS的LAI反演

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(LAI)反演实验研究,并用实地LAI数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。     

地物波谱数据库建设进展及应用现状

地物以其固有的特性反射、吸收、辐射和透射电磁波。不同地物表面对不同波长的电磁波反射/辐射/散射特性不同,成为利用遥感手段进行目标物探测与识别的理论基础,而地物波谱数据库的建成对定量遥感建模、地表参数反演及环境生态监测等具有重要作用。近年来,国内外各研究机构已建成部分地物波谱数据库,通过收集典型地物波谱数据,记录长期积累且相对稳定的波谱信息及其配套参数,支持地物分类、目标识别等领域的研究。本文综述了国内外主要地物波谱数据的建库历程,阐述了波谱数据库在各专业领域的主要应用成果,分析比较现有的国内外波谱数据库平台在波段覆盖、地物类型、配套参数及共享方式的特点及不足。在此基础上,针对波谱数据库在建设中存在的数据管理分散、测量质量控制和配套参数的标准规范不完善、数据利用效率不充分等问题,给出了初步建议。最后,探讨各学科对波谱数据库平台的应用需求,并对波谱数据库建设重点将面向全波段、多尺度、多时相的通用型知识库的发展趋势进行展望。     

Bootstrap方法在遥感线性BRDF模型反演中的应用

在遥感反演中,通常假设反演参数和模型误差的先验分布服从正态分布,这个假设通常不太符合实际。为此,本文提出由Bootstrap方法估计反演参数和模型误差的先验分布的方案。同时对先验数据按照地物分类,统计假设检验表明将先验知识分类的合理性。最后,以RossThick-LiTransit核组合的线性核驱动BRDF模型为例,用NOAA-AVHRR观测数据对使用Bootstrap方法的反演算法进行试验,并与正态假设下的Tikhonov正则化反演和Bayes反演结果比较,说明对先验知识分类和使用Bootstrap方法的遥感反演方法能明显减小参数反演结果的不确定性,提高其可信度。     

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MODIS的LAI时间序列谱的地物分类方法研究

利用MODIS数据所反演的每8d一景,全年共46景的时间序列叶面积指数(LAI)图像,分析江西省不同类型地物的LAI时间序列谱,并对地物进行分类。首先,利用最小噪声比变换技术(MNF)将噪声从数据中分离;然后,通过纯净像元指数(PPI)从LAI时间序列谱中提取5类主要地物类型终端单元(Endmember),从而对地物进行分类并制图;最后,结合2000年江西省兴国县1 10万比例尺的土地利用/覆盖矢量图对本研究分类结果进行检验。结果表明,该方法的地物分类精度达到74.45%,其分类方法是有效可行的。     

一种基于阴影像元的光学遥感大气校正方法

提出一种基于6S模型 阴影像元的大气校正方法,适用于有阴影像元存在的高空间分辨率光学遥感影像。该方法从阴影像元与非阴影像元的信号差异估算气溶胶光学厚度,与暗目标方法相比,此方法避免地表反射率的假定难题。以北京市密云县的IKONOS影像对方法进行验证。在气溶胶光学厚度的估算上,该方法的估算结果与MODIS气溶胶产品基本一致,而且其结果的稳定性明显好于暗目标法。在大气校正的结果方面,针对各类地物,比较大气校正前后的光谱与同类典型实测地物光谱,结果说明大气校正能够大大恢复各类地物光谱的典型特征,这将有利于地物的识别。最后通过比较大气校正前后的NDVI发现,大气校正能够明显增大高植被覆盖区与低植被覆盖区NDVI的差别,使植被信息更加突出。     

岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

作物LAI的遥感尺度效应与误差分析

以黑河中游盈科绿洲为研究区, 利用Hyperion高光谱数据, 采用双层冠层反射率模型(ACRM)迭代运算反演LAI; 通过LAI的均值化(LAImean)以及Hyperion数据反射率线性累加反演LAI(LAIp), 定量分析LAI反演的尺度效应; 从模型的非线性和地表景观结构的空间异质性2个方面分析引起反演误差的原因, 并在LAI-NDVI回归方程的基础上利用泰勒展开的方法对低分辨率数据反演结果进行了误差纠正。结果表明, 地表景观结构的空间异质性是造成多尺度LAI反演误差的关键因素, 通过泰勒展开式能很好地实现大尺度数据LAI反演结果的误差纠正。     

锡林浩特草原区域MODIS LAI产品真实性检验与误差分析

本文研究了LAI产品真实性检验的指标和方法,建立了LAI产品真实性检验的流程,将遥感产品真实性检验误差分解为模型误差、数据定量化差异和尺度效应3个方面。以内蒙古锡林浩特草原为研究区,结合实测数据和Landsat TM数据建立NDVI-LAI模型,得到LAI验证参考"真值",据此"真值"按照本文的流程对MODIS LAI产品进行验证,分析了研究区MODIS LAI产品真实性检验的误差来源。研究表明,该研究区的MODIS LAI(MOD15A2)产品相对高估约25%。各个误差因素中,LAI遥感模型差异对于结果影响最大,MODIS LAI模型高估了该区域草地LAI(高估约44.2%);数据定量差异的影响也比较大,MODIS地表反射率数据与Landsat TM地表反射率数据的差异造成了约16.2%的低估;尺度效应的影响较小,造成约3.1%的低估,其中NDVI-LAI模型的尺度效应带来2.4%的低估,NDVI数据的尺度效应造成约0.7%的低估。     

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。     

New Triangle Vegetation Indices for Estimating Leaf Area Index on Maize

Vegetation index-based methods have been widely used to determine the leaf area index (LAI). Nevertheless, under the high canopy coverage, the estimation ability of current inversion models has been profoundly decreased, due to the “saturation” phenomenon. In this study, the LAI of maize was investigated under various growth conditions. Two new triangular vegetation indices were proposed to improve the inversion ability and estimation accuracy of LAI on maize. The triangle difference vegetation index (TDVI) and triangle ratio vegetation index (TRVI) were constructed, and their accuracies were compared with the present spectral vegetation index models. The result shows that TDVI and TRVI are highly linearly correlated with LAI. The coefficients of determination (R²) and root-mean-square errors are, respectively, 0.92 and 0.94, and 1.42 and 0.92 using the simulated data, while they are, respectively, 0.83 and 0.77, and 0.98 and 1.05 using the measured data. In comparison with other vegetation indices (e.g. MSR, MTVI2, RTVI), TDVI is better able to estimate the LAI of maize. Conversely, TRVI has better inversion ability when the LAI is more than 3. Overall, TDVI is an accurate and robust approach for estimating the LAI of maize. The proposed TDVI and TRVI can be jointly used to retrieve LAI at various canopy coverages.     

A Method to Upscale the Leaf Area Index (LAI) Using GF-1 Data with the Assistance of MODIS Products in the Poyang Lake Watershed

A leaf area index is a key parameter reflecting the growth changes of vegetation and one of the most important canopy structural parameters for performing quantitative analyses of many ecological and climate models. Although using high-resolution satellite data and the radiative transfer model (RTM) can be used to generate high resolution LAI products, the RTM method has some problems because its temporal resolution is low, the input parameters are more appropriate for a physics model, and some parameters are difficult to obtain. Problems that urgently need to be solved include improving the temporal-spatial resolution for LAI products and localizing LAI products. To explore an applicable method for the high-resolution LAI products in a small basin and to improve the inversion accuracy, we propose an approach for GF-1 WFV LAI retrieval using MOD15A2 data and the measured LAI of the Poyang Lake watershed. Empirical models were used to retrieve high resolution LAI values, and the results show that these models are well designed for analyzing time-series satellite data. Good correlations were obtained between the NDVI of the GF-1 WFV data, the retrieved LAI values and the MODIS LAI data from samples acquired in both summer and winter. The exponential NDVI model obtained the best LAI value estimation results from the GF-1 WFV data (R2 = 0.697, RMSE = 1.100); the best synthetic validation of the RMSE is 0.883, close to the optimum model. Therefore, the retrieval results more fully reflect the growth process of the different features. This study proposed an upscale method for developing a high spatial resolution GF-1 satellite standard LAI products retrieval model using MODIS data. The proposed method will be helpful for efficiently improving the temporal-spatial resolution of LAI products to benefit the extraction of vegetation parameter information and dynamic land use monitoring.     

基于NDVI先验知识的LAI地面采样方法

针对非均质中低分辨率像元的叶面积指数LAI验证中如何布设基本采样单元ESU的问题,提出基于NDVI先验知识的ESU布设方法,并采用不同植被类型、不同均匀程度的地表作为模拟场,分析对比了方法的精度及稳定性。结果显示,本文方法用NDVI先验知识描述植被的生长空间分布信息,能相对准确地划分植被的不同生长水平,有效降低层内方差。在草地和森林地区的试验中,精度与稳定性均优于传统的随机采样、均匀采样和基于分类图的3种采样方法。因此,本文提出的采样方法为大尺度非均质区域LAI地面验证的采样方案提供了新的设计思路。     

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数，在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段，当前LAI产品主要基于遥感数据反演得到，但是多数LAI产品算法并未考虑地形特征的影响，导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响，其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法，综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展，总结了目前山地LAI遥感反演存在的问题，并讨论了未来研究的发展趋势。