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。     

地表覆盖分类数据对区域森林叶面积指数反演的影响

以江西省吉安市为研究区,将5种全球地表覆盖分类数据(包括美国地质调查局(USGS)、马里兰大学(UMD)和波士顿大学(BU)生成的3套数据和欧洲生成的2套数据)以及由TM影像生成的区域地表覆盖分类数据,分别与MODIS1km反射率资料结合,利用基于4尺度几何光学模型的LAI反演方法生成研究区的LAI。在1km和4km两种尺度上将反演的LAI与TM资料生成的LAI进行比较,评价地表覆盖分类数据对LAI反演结果的影响。结果表明,TM和欧洲太空局的GLOBCOVER地表覆盖分类数据用于反演LAI的结果较好,在1km尺度上,反演的LAI与统计模型估算的TMLAI相关的R2分别为0.44和0.40,在4km尺度上的R2分别为0.57和0.54;其次为波士顿大学的MODIS地表覆盖分类数据,据其反演的LAI与TMLAI相关的R2在1km和4km尺度上分别为0.38和0.51;而马里兰大学的UMD和欧洲的GLC2000地表覆盖分类数据会导致反演的LAI存在较大误差,据其反演的LAI与TMLAI之间的一致性较差,在1km和4km两种尺度上平均偏低20%左右;LAI的反演结果对聚集度系数具有强的敏感性。该研究表明,为了提高区域/全球LAI反演精度,需要有高质量的地表覆盖分类数据。     

遥感尺度效应的数值模拟——以叶面积指数为例

遥感尺度效应问题的存在已经严重限制了定量遥感应用的发展,制约了定量遥感反演精度的提高,成为定量遥感研究中亟待解决的热点问题之一。总体而言,对尺度效应从数学上的泰勒级数展开规律分析的理论较多,然而从遥感数据直观模拟的角度较少。为此,本文从叶面积指数出发,利用机载航空WIDAS数据,引入洛仑兹曲线表达了地表变量的异质性。结合不同非线性程度的LAI反演模型及尺度上推聚合方法分析了尺度效应的成因,结果发现,尺度效应是空间异质性和反演函数非线性的综合体现,空间异质性和反演函数非线性程度的增加均会造成尺度效应的增大。     

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。     

塞罕坝地区高空间分辨率叶面积指数时序估算与变化检测

叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。     

地表反射率产品支持的GF-1 PMS气溶胶光学厚度反演及大气校正

GF-1卫星PMS(GF-1 PMS)数据具有高空间分辨率、短重访周期的特点,可以在地表类型识别、参数提取中发挥重要作用。但由于缺少2.1μm附近的短波红外波段,使得气溶胶反演时地表反射率的精确确定非常困难,从而导致其高精度大气校正难以开展,限制了该数据的应用。本文提出了一种地表反射率数据支持的气溶胶反演方法,用于GF-1PMS数据的大气校正。其基本思想是:使用现有的地表反射率数据集为GF-1PMS数据提供地表反射率,用于确定GF-1PMS图像中浓密植被像元(DDV)的分布,基于确定的浓密植被像元反演气溶胶光学厚度(AOD),并用于大气校正。这里使用的地表反射率数据集为合成的无云MODIS地表反射率产品,对GF-1PMS数据做了空间尺度的转换。为降低两类数据配准误差对地表反射率确定的影响,提出了使用区域NDVI分布百分比匹配的方法,回避了像元的直接匹配,为GF-1PMS数据提供DDV的空间分布。为验证该方法的有效性,利用北京、太湖两个AERONET站点观测的气溶胶光学厚度对气溶胶反演结果进行精度验证,结果表明,气溶胶反演算法精度较高,稳定性较强。AOD反演结果应用于北京和敦煌地区的GF-1PMS数据大气校正,获得的地表反射率与地面实测的地表反射率的误差低于0.015,且大气校正后影像对比度明显提高。     

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。     

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。     

尺度效应的叶面积指数产品真实性检验方法

真实性检验是评价遥感反演产品质量和验证遥感应用产品是否准确、真实地反映实际情况的重要途径。叶面积指数(LAI)是表征陆地植被结构和长势的关键参数,全面准确评价和验证LAI产品是产品用于陆面过程模型的前提。本文以MODIS LAI与GLASS LAI产品为研究对象,在尺度效应和尺度转换的基础上,建立了针对非均匀像元的低分辨率LAI产品真实性检验方法。在考虑空间异质性和植被长势差异的情况下,借助中分辨率的遥感影像,分别利用1 km像元平均叶面积指数和反演表观叶面积指数实现了对LAI算法和产品的真实性检验。为了比较作物长势差异和地表非均匀度对产品的影响,本文选择有代表性的河南鹤壁和甘肃张掖两个地区进行两种LAI产品真实性检验研究。研究结果表明,GLASS LAI和MODIS LAI产品均存在明显的低估现象。这并不是产品算法的问题,而是由于地表异质性和非均匀度的影响。在异质性更显著的张掖盈科灌区,低估现象更明显。GLASS LAI产品是多种LAI产品的融合,它的平均LAI比MODIS更接近真实情况,但是LAI的动态范围比MODIS窄。     

净初级生产力遥感估算模型空间尺度转换

采用基于混合像元的结构分析方法和支持向量机(SVM)算法,建立了高分辨率遥感数据(TM)向低分辨率遥感数据(MODIS)的尺度转换模型,实现了由高分辨率遥感数据获得的NPP向低分辨率遥感数据获得的NPP的空间尺度转换。对低分辨率遥感数据(MODIS)估算的NPP结果进行了尺度效应校正。结果表明:SVM回归模型模拟出的尺度效应校正因子Rj_corrected与1-F中覆盖度草地之间的相关性较高,R2达到0.81。尺度效应校正前的NPPMODIS与NPPTM的相关性较低,R2仅为0.69,RMSE为3.47;尺度效应校正后的NPPMODIS_corrected与NPPTM的相关性较高,R2达到0.84,RMSE为1.87。因此,经过尺度效应校正后的NPP无论是在相关性还是在误差方面有了很大程度的提高。     

遥感数据产品真实性检验不确定性分析研究进展

不确定性分析是遥感产品真实性检验最重要的部分,本文以叶面积指数LAI为例,从测量、模型以及蕴含在测量和模型中的尺度效应3个方面分析产品真实性检验过程的不确定性来源,并针对问题提出减小其不确定性的办法。对于相对均一的地表,地面测量的空间代表性比较好,可不考虑地表空间代表性引起的尺度效应和蕴含在模型中的尺度效应引起的不确定性。针对异质性地表,分为两种情况:若模型是线性的,蕴含在模型中的尺度效应可以忽略,只需要考虑测量的不确定性、模型本身的不确定性、以及地面测量的空间代表性引起的尺度效应;若模型是非线性的,则测量、模型和蕴含在测量和模型中的尺度效应引起的不确定性都需要考虑。     

两种普适性尺度转换方法比较与分析研究

着重阐述了地表空间信息尺度转换的必要性和方法.首先从尺度转换成因分析入手,介绍了两种普适性的尺度转换模型,即泰勒级数展开模型和计算几何模型,并对这两个模型的适用性进行了分析.借助叶面积指数的反演,针对林地、农田、水体3种不同下垫面的试验样区进行了模型的分析比较.结果表明,在拥有小尺度(高分辨率)数据时,泰勒级数模型能够很好的刻画尺度效应,使得尺度效应改正后的相对误差小于1%,获取更为准确的地表参数反演值.遥感尺度转换方法、技术为获取不同尺度的地学信息,为资源调查和环境灾害监测等相关领域的应用提供真实可靠的多尺度数据支持.     

Leaf area index retrieval using gap fractions obtained from high resolution satellite data: Comparisons of approaches,scales and atmospheric effects

This study is aimed at demonstrating the feasibility of the large scale LAI inversion algorithms using red and near infrared reflectance obtained from high resolution satellite imagery. Radiances in digital counts were obtained in 10 m resolution acquired on cloud free day of August 23, 2007, by the SPOT 5 high resolution geometric (HRG) instrument on mostly temperate hardwood forest located in the Great Lakes – St. Lawrence forest in Southern Quebec. Normalized difference vegetation index (NDVI), scaled difference vegetation index (SDVI) and modified soil-adjusted vegetation index (MSAVI) were applied to calculate gap fractions. LAI was inverted from the gap fraction using the common Beer–Lambert's law of light extinction under forest canopy. The robustness of the algorithm was evaluated using the ground-based LAI measurements and by applying the methods for the independently simulated reflectance data using PROSPECT + SAIL coupled radiative transfer models. Furthermore, the high resolution LAI was compared with MODIS LAI product. The effects of atmospheric corrections and scales were investigated for all of the LAI retrieval methods. NDVI was found to be not suitable index for large scale LAI inversion due to the sensitivity to scale and atmospheric effects. SDVI was virtually scale and atmospheric correction invariant. MSAVI was also scale invariant. Considering all sensitivity analysis, MSAVI performed best followed by SDVI for robust LAI inversion from high resolution imagery.     

面向地质应用的天宫一号成像光谱数据评价

天宫一号高光谱数据是继美国Hyperion之后,另一种可应用于地质领域的成像光谱数据.面向地质应用特点与需求,针对反射率产品开展全面、定量的数据质量评价对于深化应用研究具有重要意义.但是,由于航天成像光谱数据与地面实测波谱空间尺度差异甚大,在荒漠戈壁区选取自然地物进行波谱测试,并对其开展评价,特别是定量评价,非常困难.本文以航空HyMap数据为传递,完成了天宫一号成像光谱数据质量的定量评价.结果表明,在矿物识别采用的主要短波红外谱段,天宫一号高光谱数据的信噪比明显优于Hyperion数据.采用2190—2230 nm、2310—2355 nm两个谱段的吸收深度初步对天宫一号高光谱短波红外数据真实性进行了评价,经过校正后,天宫一号数据Al-OH、Mg-OH/CO₃^2-矿物大类或组合的漏提率从71%、67%减小至29%、28%,可有效提高弱信息的检出率.     

基于波谱知识库的MODIS叶面积指数反演及验证

目前用物理模型反演叶面积指数普遍存在缺少先验知识的状况，如何获得准确的先验知识是遥感走向应用的一个关键环节。中国典型地物标准波谱数据库就是结合国家重大行业中的应用需求，研究制定地物波谱获取与分析的技术规范和数据标准，建立典型地物标准波谱数据库。从波谱数据库提取模型反演所需要的先验知识，实现了基于SAIL模型的MODIS数据（经过几何纠正与大气纠正）叶面积指数的反演。另外，基于TM数据，对MODIS混合像元进行了分解，用纯像元的叶面积指数与实测数据进行对比验证，同时，反演结果与NASA的LAI产品也进行了对比，结果表明基于波谱库的先验知识可以有效的提高叶面积指数的反演精度。     

An improved method of joint inversion using GPS and gravity observation data

On the basis of the dislocation theory and gravity observation, a joint inversion model is presented with a fitting factor A scaling amplitudes between the gravity and GPS observation data. The test results show that the new joint model is better than that taking the scale factor ）, as a constant from the inversion result of MSE （mean square error）. In addition, the random cost method used in the inversion algorithm is revised and improved, which shows that the improved random cost method can easily get the local minimum value and greatly decrease the iteration steps.     

Sensitivity of narrowband vegetation indices to boreal forest LAI,reflectance seasonality and species composition

There is growing evidence that imaging spectroscopy could improve the accuracy of satellite-based retrievals of vegetation attributes, such as leaf area index (LAI) and biomass. In this study, we evaluated narrowband vegetation indices (VIs) for estimating overstory effective LAI (LAI_eff) in a southern boreal forest area for the period between the end of snowmelt and maximum LAI using three Hyperion images and concurrent field measurements. We compared the performance of narrowband VIs with two SPOT HRVIR images, which closely corresponded to the imaging dates of the Hyperion data, and with synthetic broadband VIs computed from Hyperion images. According to the results, narrowband VIs based on near infrared (NIR) bands, and NIR and shortwave infrared (SWIR) bands showed the strongest linear relationships with LAI_eff over its typical range of variation and for the studied period of the snow-free season. The relationships were not dependent on dominant tree species (coniferous vs. broadleaved), which is an advantage in heterogeneous boreal forest landscapes. The best VIs, particularly those based on NIR spectral bands close to the 1200 nm liquid water absorption feature, provided a clear improvement over the best broadband VIs.