基于AMSR-E数据的中国地区微波湿度指数研究

土壤中的水分是地球生态系统的重要组成部分,在全球水循环中发挥着重要的作用。基于被动微波数据提取的湿度指数因其具有全天候、高时间分辨率和数据处理简单等优点,大大推进了大范围地区土壤湿度的重复观测。基于AMSR-E(advanced microwave scanning radiometer-earth observing system)数据提取了8种微波湿度指数,利用密云和汉中气象台站的数据,分别对各个微波湿度指数进行时间序列分析,通过比较得到与降水量相关性较好的垂直极化多时相微波湿度指数PIV,6.9和比值指数DIV,10.7;在此基础上,分析该2种微波湿度指数在密云和汉中10像元×12像元矩形区域随降水量的变化;同时,与10.7 GHz的微波极化差异指数(microwave polarization difference index,MPDI)进行比较,评价3种指数对土壤湿度的监测优劣;在全国范围内,分别对3种微波湿度指数与降水量进行相关分析,得到全国土壤湿度监测的最优指数。结果表明:PIV,6.9作为一种新的微波湿度指数效果最优,可以用于全国范围的土壤湿度监测研究。     

北京地区冬小麦冠层光谱数据与叶面积指数统计关系研究

以北京地区冬小麦为研究对象,利用TM传感器的光谱响应函数处理地面测量获得的冬小麦冠层光谱数据,得到对应于TM传感 器红光波段和近红外波段的反射率,进而计算出冬小麦冠层的归一化植被指数NDVI。建立了LAI与NDVI之间的不同经验关 系模型,对实验结果进行分析后得出,LAI与NDVI之间具有高度的指数相关性。     

光学与微波植被指数协同反演农作物叶面积指数的可行性分析

光学遥感是目前反演植被叶面积指数LAI（Leaf Area Index）的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出：（1）光学植被指数MNDVI_{(800 nm,2000 nm)},在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化 0.4的情况,RMSE是0.33,R²是0.958。（2）微波植被指数SAR_{SRVI(1.4 GHz HH,9.6 GHz HV)},在LAI为3—6时敏感,基于SAR_SRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R²是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。     

结合雷达影像纹理特征的作物叶面积指数估测

研究了结合雷达影像纹理特征进行作物叶面积指数(LAI)估测的可行性,分析了作物LAI与多极化雷达纹理特征的相关性。将ENVISATASAR影像6种纹理特征与实测玉米的LAI进行相关分析发现,HH极化影像的灰度共生矩阵纹理特征与玉米LAI的相关性较VV极化的高;HH极化影像的对比度、异质性,VV极化影像的偏度、均质性等纹理特征与实测LAI均有较大的相关性。分别对两种极化影像雷达波散射强度及纹理特征与实测LAI进行多元回归分析,发现HH极化方式的相关系数达到0.68、VV极化的为0.87。说明结合纹理特征的雷达估测作物LAI方法具有一定的可行性。     

玉米不同生长期微波辐射特性研究

针对当前微波传感器监测植被生长信息的实验方案不完善的问题,该文重新设计实验方案,主要研究玉米长高过程中微波辐射特性及叶面积指数的微波反演。研究结果表明:随着观测角度和页面指数(LAI)的增大,V和H极化的亮温都有明显变化;微波植被指数随观测角度和LAI的变化都有明显规律;测量方位对玉米的微波辐射特性有明显的影响作用;频率6.6GHz和观测角度为60°时,可利用归一化极化差植被指数(MPDI)进行较好的LAI反演。     

异质性地表的叶面积指数反演的不确定性分析

叶面积指数(Leaf Area Index)可用来反映作物的生长状况,常作为主要指标应用于农作物估产。本文研究遥感中常见的混合像元问题对LAI反演所带来的不确定性问题。研究的混合像元由两种情况构成,一种是由不同长势的作物所构成的混合像元,另一种情况是由不同端元形成的混合像元。结果表明,不同长势形成的混合像元对LAI的准确反演影响不大;不同组分形成的混合像元对LAI反演影响很大。从验证的角度讲,地面实测点的LAI数据不能代表一定分辨率区域的LAI的值,对于像元LAI的验证要注意正确获得像元的LAI。     

FY-3B MWRI在轨辐射校准及其对旱涝灾害监测应用

根据中国风云气象卫星FY-3B MWRI与近年在轨业务运行的Aqua卫星AMSR-E的技术参数,基于晴空大气辐射传输模型的模拟,分析了技术参数入射角等对辐射亮度温度Tb(Brightness temperature)的影响。以此依据,对AMSR-E原始多通道Tb数据进行入射角修正。采用二次多项式拟合方法,用入射角修正后的AMSR-ETb数据对FY-3B MWRITb数据进行各通道的辐射校准,并进行了数据对比。基于辐射校准后的FY-3BMWRI各通道Tb特征,用极化与散射特征指数,对2011年长江流域两湖地区的连续发生的干旱、降雨、水涝灾害等进行了评估与分析,并与AMSR-E的对应结果及地面观测站的记录结果进行了一致性的比较。研究表明,这些分析结果与地面观测记录比对的结果是一致的,FY-3B MWRI可以有效地监测旱涝灾害。     

基于机载MASTER数据的果园叶面积指数遥感反演

叶面积指数(leaf area index,LAI)是描述植被冠层结构的重要参数,准确获取果树的LAI对果树长势监测和果树估产均有重要作用。以美国加州中部的果园为研究区,基于沿太阳主平面飞行成像的机载MODIS/ASTER模拟传感器(MODIS/ASTER airborne simulator,MASTER)数据,利用实测LAI数据与归一化差值植被指数(normalized difference vegetation index,NDVI)、归一化差值红外指数(normalized difference infrared index,NDII)和归一化差值水体指数(normalized difference water index,NDWI)分别建立回归模型,并选取NDWI进行研究区LAI的反演。结果表明:由于地物的二向性反射,垂直太阳主平面飞行获取的遥感数据具有明显的亮度梯度现象,而沿太阳主平面飞行获取的遥感数据几乎不受亮度梯度的影响;NDVI在高植被覆盖区容易达到饱和,而NDWI比NDVI和NDII具有更高的拟合度和更小的均方根误差,更加适合研究区LAI的遥感反演;该研究结果可以丰富LAI反演理论,也可以为研究LAI尺度问题提供理论和数据支持。     

马尾松LAI与植被指数的相关性研究

以福建省永安市区为研究区,计算IRS-P6(LISS-Ⅲ)多光谱数据的DVI、EVI2、MSAVI、NDVI、RDVI、RVI及TNDVI等7种植被指数,并与使用LAI-2000测量的马尾松叶面积指数(LAI)建立相关关系,分析植被指数对马尾松LAI的影响。从决定系数(R2)和标准误差两个方面对基于不同植被指数的LAI反演模型进行定量分析,反演模型包括线性模型、二次曲线模型、幂函数曲线模型和指数曲线模型4种。结果表明,马尾松LAI与植被指数呈指数曲线相关或幂函数曲线相关。反演马尾松LAI,最佳的统计模型是指数曲线模型和幂函数曲线模型,较佳植被指数为TNDVI、NDVI和RVI,其指数曲线模型和幂函数曲线模型拟合的R2均高于0.76,且验证结果R2均高于0.84,但RVI指数反演的模型标准误差相对较大。总体而言,TNDVI和NDVI的指数曲线和幂函数曲线模型对马尾松LAI具有较好的预测性。     

基于AMSR-E的冬季罗斯冰架冰间湖薄冰冰厚反演

利用AMSR-E 36GHz、89 GHz亮度温度计算出的极化比(PR)与热力学冰厚比较,建立了一种针对南极罗斯冰架冰间湖的AMSR-E薄冰反演算法。热力学冰厚由用MODIS晴空下的表面温度数据、ERA-Interim气象数据,根据表面热通量平衡公式反演得到。在排除混合像元以及水汽对89 GHz数据的干扰后,分别对36、89 GHz的AMSR-E亮温极化比拟合指数模型,反演罗斯冰架冰间湖中的0~0.2 m的薄冰冰厚,均方根误差分别为0.003 5 m和0.005 3 m。     

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。     

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。     

黑河流域叶面积指数的遥感估算

研究利用Landsat7ETM⁺遥感数据获取黑河流域植被叶面积指数(LAI)空间分布的可行性。该研究是基于黑河流域分布式水文模型的一个重要输入项———LAI空间分布数据的需要而产生的。文章在详尽的野外观测数据基础上,分别探究实测LAI与同时相ETM⁺3、4、5、7波段反射率及相关植被指数(SR、NDVI、ARVI、RSR、SAV I、PVI、GESAVI)的相关关系,率定最佳的LAI遥感反演及其空间分布方案。研究发现,针对特定的自然条件,将研究区分为植被覆盖度小的稀疏立地和覆盖度大的密集立地,分别采用土壤调节植被指数(SAVI)和大气阻抗植被指数(ARVI)进行2种林地的LAI估算最为可靠,在此基础上,提出黑河地区LAI估算及其空间分布的遥感制图方案。     

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。     

植被结构及太阳／观测角度对NDVI的影响

在文献［１］中作者建立了计算多组分植被方向反射系数（ＢＲＦ）的综合解析模型。本文采用该模型研究植被空间结构对常用的归一化植被指数（ＮＤＶＩ）的影响，文中讨论了ＮＤＶＩ与叶（或植被其它组分）角分布（ＬＡＤ）、植被组分（如叶片）的特征尺度和它们在空间的散布方式，以及非叶器官面积在总面积中所占比例间的依赖关系，同时给出了ＮＤＶＩ随太阳／观测角度的变化情况。结果表明即使在叶面积指数（ＬＡＩ）固定不变时，冠层结构及植被组分光学性质的空间非均匀性对ＮＤＶＩ的大小及角分布也有十分显著的影响。通常ＮＤＷ随角度的变化是很大的，如果植被不同组分的光学性质差异很大，且事先不知道它们的空间散布方式时，那么利用ＤＮＶＩ就无法准确地估算出ＬＡＩ。但是对于组分随机分布的植被，利用远离“热点”区域的光谱资料可以使冠层其它结构参数的影响减至最小。     

Retrieval of wheat leaf area index using price approach based on inversion of canopy reflectance model

This paper reports estimation of the Leaf Area Index (LAI) of wheat crop from IRS-LISS-III data using Price (1993) approach. Empirical approach for LAI estimation with different NDVI estimation procedures viz. radiance, apparent reflectance and dark object subtraction (DOS) based atmospheric correction were also evaluated. Validation of LAI retrieval and NDVI normalizations were carried out using field level measurements of crop LAI and spectral property using canopy analyzer and spectro-radiometer, respectively over selected fields in Bhopal District, Madhya Pradesh. It was observed that empirical relations are sensitive to the NDVI estimation approach and DOS method performed better as compared to other two approaches. It was also observed that LAI estimation from Price algorithm is sensitive to the crop attenuation coefficients. Crop specific attenuation coefficients reported in literature for Indian cultivars gave higher accuracy. The root mean square (RMS) error of 0.77 for LAI estimation was achieved using above described approach.     

生物量估测模型中遥感信息与植被光合参数的关系研究

本文通过对建立估测植被生物量遥感模型中所涉及的遥感信息参数与植被光合参数的关系分析,从理论和实验中阐明了反映植物长势的量发化植被指数和反映植物光合面积的叶面积指数,光合有效辐射及吸收光合有效辐射的相互关系,对在实际中建立更为机理的生物量遥感模型提供可供进一步参考的依据。     

基于SPOT5遥感影像的城市森林叶面积指数反演

本文以上海城市森林为研究对象,采用地面实验与遥感技术相结合方法,开展SPOT5遥感影像在估测城市森林LAI中的应用研究。结果表明,地面实测LAI与三种植被指数均具有很好的线性回归关系,相关系数(r)均大于0.6,其中MSAVI的相关系数最高(r=0.66),其次为MCARI(r=0.64)和NDVI(r=0.62)。说明ND-VI仍受到背景等因素不同程度的影响,而植被指数MSAVI和MCARI,由于能进一步消除土壤背景和叶绿素的影响,对叶面积指数比较敏感,能更好地与叶面积指数建立关系,能更好地用于城市森林叶面积指数的遥感反演。本研究可为快速定量评估城市森林的结构和功能提供依据。     

Directional effects on NDVI and LAI retrievals from MODIS: A case study in Brazil with soybean

The Moderate Resolution Imaging Spectroradiometer (MODIS) is largely used to estimate Leaf Area Index (LAI) using radiative transfer modeling (the “main” algorithm). When this algorithm fails for a pixel, which frequently occurs over Brazilian soybean areas, an empirical model (the “backup” algorithm) based on the relationship between the Normalized Difference Vegetation Index (NDVI) and LAI is utilized. The objective of this study is to evaluate directional effects on NDVI and subsequent LAI estimates using global (biome 3) and local empirical models, as a function of the soybean development in two growing seasons (2004–2005 and 2005–2006). The local model was derived from the pixels that had LAI values retrieved from the main algorithm. In order to keep the reproductive stage for a given cultivar as a constant factor while varying the viewing geometry, pairs of MODIS images acquired in close dates from opposite directions (backscattering and forward scattering) were selected. Linear regression relationships between the NDVI values calculated from these two directions were evaluated for different view angles (0–25°; 25–45°; 45–60°) and development stages (<45; 45–90; >90 days after planting). Impacts on LAI retrievals were analyzed. Results showed higher reflectance values in backscattering direction due to the predominance of sunlit soybean canopy components towards the sensor and higher NDVI values in forward scattering direction due to stronger shadow effects in the red waveband. NDVI differences between the two directions were statistically significant for view angles larger than 25°. The main algorithm for LAI estimation failed in the two growing seasons with gradual crop development. As a result, up to 94% of the pixels had LAI values calculated from the backup algorithm at the peak of canopy closure. Most of the pixels selected to compose the 8-day MODIS LAI product came from the forward scattering view because it displayed larger LAI values than the backscattering. Directional effects on the subsequent LAI retrievals were stronger at the peak of the soybean development (NDVI values between 0.70 and 0.85). When the global empirical model was used, LAI differences up to 3.2 for consecutive days and opposite viewing directions were observed. Such differences were reduced to values up to 1.5 with the local model. Because of the predominance of LAI retrievals from the MODIS backup algorithm during the Brazilian soybean development, care is necessary if one considers using these data in agronomic growing/yield models.