基于SAIL模型的多角度多光谱遥感叶面积指数反演

随着多角度传感器的陆续出现及植被遥感传输机理研究的深入,多角度遥感逐渐成为地表信息反演的热点问题.以SAIL冠层反射率模型为基础,通过联合多角度和多光谱数据,可以从物理机理角度进行植被叶面积指数(LAI)反演的应用研究.首先通过计算得到多角度多光谱遥感影像的角度信息,并经6S模型纠正后得到多光谱多角度植被冠层反射率数据.然后将PROSPECT模型模拟出的植被叶片反射率和透过率,以及多角度观测数据、LAI和其它实测数据输入SAIL模型,模拟得到了多角度多光谱冠层反射率,进而建立多角度多光谱冠层反射率与LAI的查找表.最后,将影像的多角度多光谱冠层反射率与查找表进行匹配,实现植被LAI的反演.最后对反演结果进行了验证和分析,结果表明反演精度较高,误差均在合理范围之内.     

基于PROSAIL模型的广州市过渡带森林植被冠层可燃物含水率估算

基于PROSAIL模型,结合野外实测叶片等水分厚度、干物质重量、叶面积指数数据,构建一种基于归一化红外指数和归一化干物质指数的植被冠层可燃物含水率估算方法。首先,在PROSAIL模型输入实测参数模拟植被冠层光谱曲线,计算归一化红外指数、归一化干物质指数用于叶片等水分厚度、干物质重量的反演。结果表明：归一化红外指数与叶片等水分厚度、归一化干物质指数与干物质重量存在明显的线性关系,基于该关系建立叶片等水分厚度、干物质重量的经验估算模型,经验证估算结果精度较高;将该经验模型推广至利用Landsat 8数据拟合植被冠层可燃物含水率,并与实测数据进行验证,结果显示R²达到0.743,RMSE达到34.2%,具有较高的精度。文章提出的植被冠层可燃物含水率估算模型,可实现广州市过渡带森林大面积、较高精度植被冠层可燃物含水率监测,为预防森林火灾提供参考。     

矿区植被物化参数高光谱遥感估算研究

基于高光谱遥感数据Hyperion和植物冠层反射光谱,应用指数法、回归统计法和基于光谱位置变量的方法对矿区植被生物量和叶绿素浓度(SPAD)进行估算.结果表明:植被指数R752/R548与植物鲜重相关性最高,相关系数为0.88;选用植物像元光谱,基于植被指数R752/R548,利用三次函数法构建植物鲜重估算模型精度较高,多重判定系数R2达0.883;植被指数DVI[752,640]与植物干重相关性最高,相关系数为0.42;基于植被指数DVI[752,640],应用线性回归法构建植被干重估算模型精度较低,多重判定系数R2为0.177;基于四点内插法提取的红边位置与叶绿素浓度显著相关,相关系数为0.433;Datt(1)和Datt(2)植被指数与叶绿素浓度存在显著相关,相关系数分别为0.871和0.868;基于红边位置(REP)、Datt(1)和Datt(2)植被指数构建植物叶绿素浓度估算模型精度较高,多重判定系数R2分别为0.814、0.805和0.781.应用高光谱遥感技术可有效地检测矿区受损生态环境下的植被,为矿区植物生态修复工程提供本底资料.     

基于Sentinel-1A数据在广东省近海海面风场反演应用

采用基于风条纹提取风向的方式，利用地球物理模式函数，基于Sentinel-1A数据，通过CMOD5模型反演2017年3、5、7、12月份广东省近海海域风场。将反演结果与实测数据对比，风速普遍比实测风速大，风速反演的平均绝对误差为1.98 m/s，均方根误差为2.74 m/s，相关系数为0.8。其中3、5、7月的风速较为接近，且平均绝对误差和均方根误差都＜2 m/s，而12月份平均风速＞8 m/s，实测数据与卫星过境时间不完全匹配，导致平均绝对误差和均方根误差都偏大。哨兵一（Sentinel-1A）影像反演结果整体上与实测数据相一致，验证了COMD5反演模型适用于广东省近海高分辨率海洋风场反演，可为下一步估算广东省风能资源储量提供可能。     

松花江哈尔滨段悬浮物含量遥感反演与克里格插值预测精度对比

以松花江干流哈尔滨段水体中悬浮物为研究对象,2012年7月14~15日,设置了11个采样断面,共33个采样点,测量得到总悬浮物含量和江面高光谱反射率数据;选用时间上较为接近的TM影像,分别用遥感反演模型(PSO-LSSVM模型)和克里格空间插值方法,对总悬浮物含量进行预测,并对使用两种方法的结果进行比较。结果表明,使用两种方法的结果的预测精度较为接近,遥感反演模型预测值的平均绝对百分误差为11.21%,均方根误差为10.05 mg/L;克里格空间插值预测结果的平均绝对百分误差为11.32%,均方根误差为10.93 mg/L;遥感反演模型预测值能较好的反映出松花江干流哈尔滨段总悬浮物含量的总体分布特征和变异特征;克里格空间插值对空间自相关小范围内具有较好的预测能力,超出自相关范围不能预测。     

基于混合光谱理论的太湖水体叶绿素a浓度提取

TM图象多波段数据作为遥感监测水体叶绿素a浓度的数据源,已有多种遥感定量模型与之对应,但主要还是以经验模型为主。利用TM数据首先采用特征波段比值方法,建立太湖水体合适的叶绿素a浓度反演的遥感定量模型。由于经验模型的缺陷性,还提出了基于TM数据的水体混合光谱分析模型,同时分析了端元光谱提取方法对模型求解的影响。通过计算叶绿素a浓度模型估算结果与实地测量数据的相关系数和均方根误差(RMSE),可以发现混合光谱分析模型也是水体叶绿素a浓度遥感估算的另一条佳径。     

基于MERSI和MODIS的太湖水体叶绿素a含量反演

水体叶绿素a含量的遥感反演是监测水体光学特性、评价水体污染的一个重要指标.本文以FY-3A/MERSI和AQUA/MODIS遥感影像为数据源,结合水体实测的叶绿索a含量,利用两类反射率模型,研究星载数据遥感反演叶绿素a的可行性.研究表明:基于FY-3A/MERSI和AQUA/MODIS可见光-近红外通道的光谱反演模型(...     

生态修复下金川矿区植被覆盖度及景观格局的变化

矿区生态修复过程中植被覆盖度及其景观格局变化,可间接反映矿区植被生态修复效果.本研究基于NDVI数据,利用像元二分法提取甘肃省金川矿区植被覆盖度,分析矿区植被景观格局变化,探究矿区植被修复效果,为后续植被恢复与保护及生态修复措施调整提供参考借鉴.结果表明:(1)2005—2020年金川矿区植被覆盖度从24.15％提升至...     

基于TM数据的太湖叶绿素A浓度定量反演

利用TM(ETM)数据与准实时地面采样数据,建立太湖叶绿素浓度反演模型。结果表明,TM3/(TM1+TM4)与叶绿素A浓度的相关性最好,并以此建立了太湖叶绿素A浓度线性反演模型,但反演精度并不高,因此,建立了一个两层BP神经网络模型反演太湖的叶绿素A浓度,结果表明,神经网络模型的反演精度远高于线性反演模型,16个测试样本表明,神经网络模型反演的相对误差小于30%的有15个点,占总测试样本93.75%,而线性反演模型反演相对误差在30%以下的仅有3个点,这表明对于太湖这样一个光谱特征复杂的二类水体,可以利用神经网络模型反演水质参数。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

基于高光谱数据的小麦叶绿素含量反演

近年来,遥感高光谱技术为获取农作物的某些生理化参数提供了丰富的数据来源。该文使用北京小汤山地区实验获取的小麦高光谱数据,应用偏最小二乘回归方法,建立了冬小麦冠层波谱与叶绿素含量的回归反演计算模型。研究结果显示:模型在350～1060nm波段具有较高的反演精度。本研究为应用高光谱数据反演冬小麦叶绿素含量提供了有效途径。     

遥感反演土壤蒸发/植被蒸腾二层模型在华北地区的应用

利用一种可操作的地表蒸散遥感反演二层模型,以我国华北平原为研究区,选择2004年的3月至6月华北地区主要农作物冬小麦的生长季节作为研究时段,利用MODIS遥感卫星数据,结合地面130多个气象台站的空气温湿度实测数据,实现了土壤蒸发和植被蒸腾的反演。采用国家生态网络禹城综合试验站利用涡度相关系统观测的地表总蒸散半小时平均的数据进行了模型验证,结果表明模型估算的地表可利用能量与地面实测数据的相关系数可以达到0.92,均方差为30.4w.m^-2;模型估算的地表总蒸散值与地面实测数据的相关系数为0.85,均方差为21.3 w.m^-2,由此证明了模型的可用性。     

洪河自然保护区乌拉苔草生物量高光谱遥感估算模型

尝试用不同方法构建洪河自然保护区湿地植被乌拉苔草(Carex meyeriana)的高光谱植被指数,建立水上鲜/干生物量高光谱估算模型,并比较了不同模型的反演精度。通过实测不同覆盖度和水深状况下乌拉苔草的冠层高光谱反射率与水上生物量的数据,采用高光谱可见光—近红外波段及其微分光谱波段(350~1 050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI、FDDVI植被指数,分别找出与水上鲜生物量和干生物量具有最佳相关性波段组合的植被指数,建立乌拉苔草水上生物量的最佳估算模型,并对比分析了反射率光谱植被指数(FNDVI、FRVI、FDVI)模型和微分光谱植被指数(FDNDVI、FDRVI、FDDVI)模型的反演精度。结果显示,微分光谱与乌拉苔草水上生物量的相关性比反射率光谱好;微分光谱植被指数与乌拉苔草水上生物量的相关性比反射率光谱植被指数好,尤其以微分光谱植被指数FDRVI与FDNDVI建立的二次函数模型反演乌拉苔草的水上鲜生物量和干生物量的效果最好,精度分别达74.9%、71.4%,其均方根误差分别为0.074 4和0.026 2,通过了p<0.01极显著验证。这表明,采用微分光谱植被指数FDRVI、FDNDVI对乌拉苔草水上鲜生物量和干生物量的估算可以取得较高的预测精度。     

基于多时相SAR的IEM和Oh模型地表土壤含水率反演与融合

基于水云模型分析植被后向散射系数的影响,采用考虑组合粗糙度定标的积分方程模型(IEM)与Oh模型,在不利用实测土壤含水率的前提下,建立基于多时相多极化SAR影像的IEM和Oh模型地表土壤含水率反演方法,以2004年5期Walnut Gulch流域ENVISAT-ASAR影像为例,采用加权平均、算术平均两种融合方法对两种模型的3期反演结果进行融合.结果表明:1)流域植被覆盖度低,各地类在植被去除前后的土壤含水率差值多期均值多在0.002 cm3/cm3以下,植被对反演结果的作用不显著;2)基于IEM、Oh模型反演的0720期、0805期、0824期土壤含水率的时空分布较一致,基于IEM模型反演的0714期与0818期土壤含水率较低,基于Oh模型的反演方法受影像极化方式制约,0714期、0818期土壤含水率的空间连续性差;3)基于IEM模型反演结果的均方根误差(RMSE)与偏差(Bias)低于Oh模型,其中0805期土壤含水率存在低估,而Oh模型反演结果在各期存在不同程度高估;4)考虑数据权重的加权平均方法优于算术平均方法,两种方法融合后的RMSE值降低了0.003～0.065 cm3/cm3,0720期、0805期两种方法的融合结果均改进了IEM模型反演结果偏低、Oh模型反演结果偏高的不足.该研究可为基于多时相SAR的多模型/方法土壤含水率反演以及多时相高精度土壤含水率获取提供参考.     

基于Landsat-8遥感数据和PROSAIL辐射传输模型反演叶面积指数

为了探讨Landsat 8 OIL数据在LAI大范围反演方面的应用潜力,使用Landsat 8 OIL影像,通过PROSAIL辐射传输模型,采用3种波段组合(Band2-7,Band2-5,Band3-5)建立了3个模拟冠层反射率-叶面积指数(LAI)查找表,用2种代价函数(Geman and Mc Clure代价函数,均方根误差代价函数)实现了对玉米、土豆、森林LAI的定量反演,并用LAI-2200测量数据作为相对真值对反演精度进行评价。结果表明:(1)使用Landsat 8数据,通过PROSAIL模型反演叶面积指数的精度是可以接受的,RMSE范围为在[0.892 4,1.205 0],R2范围为[0.721 3,0.873 3]。(2)Band5(近红外),Band4(红)Band3(绿)的波段组合反演效果在3种组合中精度最高,平均RMSE=0.993 1,R2=0.787 3。(3)Geman and Mc Clure代价函数比常用的均方根误差代价函数得到了更高的反演精度,平均RMSE=0.940 5,R2=0.817 5。(4)相对最优的反演策略是Band5,Band4,Band3的波段组合结合GM代价函数,RMSE=0.892 4,R2=0.873 3。(5)存在玉米土豆的反演值普遍低于测量值,而森林的反演值普遍高于测量值的问题。     

基于HJ1A-HSI超光谱影像的耕地有机质遥感定量反演

以环境小卫星超光谱影像为主要数据源,在耕地有机质实测样本的支持下,开展光谱反射率及其变化形式与有机质的相关性分析,筛选耕地有机质响应的敏感波段与特征组合算法,利用多元回归分析方法,建立基于HSI影像的耕地有机质定量反演模型。研究结果表明,耕地有机质的HSI影像响应波段均位于可见光与近红外波段间,其中以540～860nm范围最佳,相关系数均在0.5左右;HSI反射率对数一阶微分预测模型精度最高,模型及其检验的决定系数都在0.7以上,均方根误差在0.2%左右,可用于顺义区耕地有机质全覆盖空间填图。因此,环境小卫星的超光谱影像对耕地有机质含量具有较好的光谱响应能力,其空间覆盖能力有助于开展县域尺度的耕地有机质遥感反演和空间填图。     

剑湖湿地中菰的叶绿素含量高光谱估算模型研究

2017年7月27日,在云南省剑湖湿地中,利用ASD Filed Spec 3光谱仪和CCM-200 Plus叶绿素仪,分别测量了菰(Zizania caduciflora)的反射光谱和叶绿素含量指数(chlorophyll content index,CCI);利用原始光谱反射率以及经一阶微分和连续小波变换的反射率数据,对菰的反射光谱特征进行了研究;分析原始光谱反射率、一阶微分的反射率、"三边"参数、经Mexican Hat小波变换的反射率的小波系数与叶绿素含量指数之间的关系,筛选出显著相关的变量,采用多元逐步线性回归方法,建立叶绿素含量指数的估算模型,并检验估算模型的精度。研究结果表明,菰与健康绿色植物的原始反射光谱特征相同,利用经一阶微分和连续小波变换的反射率数据,可以更好地提取菰反射率信息和分析菰的反射光谱特征;菰的所有波段的原始反射率都与叶绿素含量指数不相关,但是经过一阶微分和小波变换后的反射率,其在一些波长范围内与叶绿素含量指数显著相关;在同一环境下生长的菰叶绿素含量差异明显;在建立的3个叶绿素含量指数估算模型中,利用小波系数建立的回归模型的估算精度相对较高,其决定系数为0.310,均方根误差为6.725。     

一种改进的土壤水分微波遥感反演模型

利用微波遥感数据反演地表土壤水分有着较好的物理基础,可实现大范围土壤水分状况的遥感监测。本文基于被动微波传感器AMSR-E的X波段数据,将土壤水分值分解成基准值和日变化量两个部分,并分别建立反演模型,同时引入降雨修正因子来进一步提高土壤水分的估算精度;利用IDL语言实现了我们所研发的模型,并集成为新疆土壤水分遥感反演系统模块之一;利用Watch Dog2400与传统铝盒采样获取的新疆地面土壤水分数据,提取适合的模型经验参数,并对模型结果进行精度评价。结果表明,经改进的模型反演得到的新疆土壤水分结果比美国冰雪数据中心的土壤水分产品在精度上有显著提高:均方根误差由8.4%降低为4.25%;所研发的软件模块可为相关应用部门提供快速的大范围土壤水分监测产品。     

基于多时相冠层结构参数对冠层光谱的敏感性分析

遥感反演的前提需对模型的输入参数进行敏感性分析.该文选取冬小麦返青期、拔节期、孕穗期和抽穗期,考虑输入参数之间的相关性,以辐射传输模型(PROSAIL)为研究对象,对比分析了局部敏感性和全局敏感性方法在模型不确定性和LAI敏感性上的差异.结果表明,随着冬小麦的生长,模拟光谱与实测光谱吻合度提高,模型模拟的不确定性降低;与局部敏感性方法相比,全局敏感性方法的模型不确定性降低,模拟精度提高,冠层光谱对LAI的敏感性有明显变化,植被指数对LAI的敏感性则相对稳定;与NDVI相比,TGDVI对LAI更敏感.     

松嫩平原水体中的叶绿素a和悬浮物含量反演研究

利用2013年10月7日和14日的landsat 8 ETM+遥感影像数据和松嫩平原实测的31个采样点的水体中的叶绿素a和悬浮物含量数据,采用回归分析的方法,建立松嫩平原水体中叶绿素a和悬浮物含量的反演模型。研究结果表明,将各波段反射率进行必要的数学变换和波段组合后,可以显著提高其与水体中叶绿素a和悬浮物含量的相关水平;以R4/(R2+R3)为自变量,建立的水体中叶绿素a含量的反演模型拟合效果最好;以(R5+R4)/R3为自变量,建立的水体中悬浮物含量反演模型拟合效果最好。