基于植被二向性反射统一模型的高分五号FAPAR遥感反演算法

植被光合有效辐射吸收比率（FAPAR）是描述植被光合作用能量交换过程的重要参数，广泛应用于植被长势监测、植被生产力估算、全球变化等研究领域。遥感是大范围获取FAPAR的唯一途径，与多光谱传感器相比，高光谱传感器能更加精确、细致地观测植被的光谱特征，有利于分析植被冠层反射、吸收特性，进而反演植被冠层FAPAR。本文首先在植被BRDF统一模型和FAPAR-P模型的基础上，构建了BRDF-FAPAR统一模型UBFM (Unified BRDF-FAPAR Model)；进而基于高分五号高光谱传感器特征模拟了不同情况下植被冠层反射率和相应的FAPAR；然后运用改进的最佳指数法选择FAPAR反演的特征波段组合；在此基础上，将特征波段反射率与FAPAR模拟结果作为神经网络的输入参数，构建针对高光谱数据的FAPAR神经网络反演算法。研究结果表明，改进的最佳指数法能有效地筛选出FAPAR估算的敏感波段；综合考虑波段信息量和实际影像数据噪声影响，本研究针对高分五号高光谱传感器选择8个波段作为FAPAR反演特征波段。基于UBFM模型构建的神经网络反演精度较高，模拟实验算法误差约为0.014。选择内蒙古呼伦...     

利用不同植被指数估算植被覆盖度的比较研究

选用蔬菜地和草地2种植被类型,利用ASD光谱仪实测二者在不同覆盖度下的光谱响应,分析了归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)、修改型土壤调节植被指数(MSAVI)以及全球环境监测植被指数(GEMI)等6种植被指数所用的最佳波段及其组合,进而研究了利用像元二分模型估算植被覆盖度时的不同植被指数的表现.结果表明,与蔬菜地植被指数相关系数较高的波段组合为620 ～ 740 nm谱段和780 ～ 900 nm谱段内波段的组合,与草地植被指数相关系数较高的波段组合为620 ～750 nm谱段和760 ～900 nm谱段内波段的组合,相关系数均达0.8以上;在高光谱数据构建的植被指数和模拟卫星数据构建的植被指数中,用DVI和MSAVI估算植被覆盖度,平均总体精度分别达到83.7％和79.5％,与其他4种植被指数相比,这2种指数更适合于利用像元二分模型进行植被覆盖度的估算.     

基于地表生物物理参数的土地利用/覆盖遥感分类方法研究——以长沙市以例

土地利用/覆盖分类通常是利用地物的波谱反射特征进行监督或非监督分类,分类结果由于"同物异谱、异物同谱"现象的存在,往往分类精度不高。而植被指数和地表温度作为表征地表覆盖状况的生物物理参数,已成功用于宏观尺度的土地利用/覆盖分类,使得分类结果有所提高,而对于区域尺度的土地利用/覆盖分类却少见报道。本文充分利用TM数据的多光谱特征,从中提取了植被指数NDVI、地表温度Ts、温度植被角度TVA和温度植被距离TVD这四种分类特征进行监督分类,通过对7种组合方案(反射率波段组合、NDVI与反射率波段组合、Ts与反射率波段组合、NDVI与Ts和反射率波段组合、TVA与反射率波段组合、TVD与反射率波段组合、TVA与TVD和反射率波段组合)的分类结果进行比较,得出以下结论:①NDVI、Ts、NDVI和Ts、TVD作为分类特征参与到多波段地表反射率影像分类中,能够提高分类精度,而TVA、TVA和TVD的加入却没有改善分类结果;②总体分类精度受到训练样本与检验样本比例的影响。     

基于Hyperion影像的水稻冠层生化参量反演

采用小区实验与大田应用相结合的方法, 依据扬州实验小区地面实测拔节期、抽穗期及灌浆期的水稻叶片、冠层光谱及氮和叶绿素含量, 采用光谱吸收特征和植被指数分析方法, 得到估算水稻氮和叶绿素含量的最佳光谱特征参数; 结合覆盖江苏姜堰地区大田的Hyperion高光谱遥感影像, 建立反演水稻冠层氮和叶绿素含量的模型, 对研究区大田水稻冠层氮和叶绿素含量进行了反演及制图。结果表明: 经波深中心归一化方法分析, 发现以670nm为中心的光谱吸收特征面积与水稻氮含量呈显著相关性; 基于反转归一化光谱, 结合560nm和670nm两个波段, 建立的植被指数NDVI560_670能很好地反演水稻叶绿素含量。     

无人机多光谱影像的天然草地生物量估算

地上草地生物量是衡量天然草地生态系统的重要指标,是草地资源合理利用和载畜平衡监测的重要依据。为了快速、准确、有效地估算天然草地地上生物量,掌握其变化规律,以天山北坡天然牧场为研究区,分析其地上生物量的时空分布特征。根据研究区阴坡与阳坡不同的草地类型和植被种类,利用多旋翼无人机获取的高分辨率多光谱影像(含近红外波段),结合地面实测数据,在进行天然草地地上生物量与植被指数相关性分析的基础上,运用回归分析方法,建立生物量和多种植被指数的估算模型。结果表明:考虑地形因子(阴阳坡)之后,植被地上生物量与各植被指数的相关性系数显著提高;不同坡向,同一植被指数拟合精度差异较大;同一坡向,各个植被指数的敏感性也有所不同。总体上,比值植被指数(RVI)与阴阳坡草地生物量拟合效果最好,模型精度均达到75%以上。利用植被指数建立的生物量估算方法结果与实际相符,可为天然草地生态系统检测和草地资源合理利用提供方法和依据。     

基于无人机数据的植被指数空间尺度效应研究

利用cm级空间分辨率的无人机高光谱图像研究了NDVI、PRI等14种植被指数随空间尺度升高的变化规律,并分析了不同植被覆盖度(FVC)下植被指数的空间尺度效应,比较了各植被指数空间尺度效应的强弱。得到的结论如下:(1)随着空间尺度升高,不同植被指数的变化趋势和幅度并不一致;(2)cm级的空间分辨率下,由于植被类内光谱差异和冠层阴影的影响,植被指数在植被覆盖度大于等于0.5的中高植被覆盖下受空间尺度效应的影响更大;(3)由相对简单的比值形式构成的植被指数如NDVI、SR等,具有抵抗空间尺度效应的能力,增加计算公式的复杂性会降低这种能力;(4)对色素和冠层水分敏感的窄波段容易受到空间尺度效应的影响,进而使得由这些窄波段构成的植被指数对空间尺度变化更为敏感。     

基于无人机高光谱影像的NDVI估算植被盖度精度分析

研究波段参数对NDVI估算植被生物物理参数的影响,对于提高NDVI在植被覆盖变化监测中的应用精度具有重要意义。采用无人机载Resonon Pika XC2高光谱仪获取的人工草地高光谱影像,分析红光和近红外波段位置移动与宽度变化对NDVI的影响,评估NDVI对植被盖度的敏感性和植被盖度估算精度。结果表明:波段位置固定时红光和近红外波段宽度扩展对NDVI及其敏感性影响不大,窄波段NDVI估算植被盖度的精度优于宽波段。红光和近红外波段位置向长波方向移动时对NDVI及其敏感性有不同程度的影响,随着敏感性增强NDVI抗扰动性降低,估算植被盖度的精度有所下降。窄波段NDVI的灵敏度系数及其与植被盖度线性拟合的R2波动剧烈,植被盖度估算的位置稳定性较差。10 nm NDVI在不同位置处取得了较高的盖度估算精度,R2最大值为0.83。4种主流卫星影像计算的宽波段NDVI对于高植被覆盖区盖度反演具有良好的适用性,但与窄波段10 nm NDVI相比其盖度反演精度仍然有一定程度的衰减。研究结果可为NDVI精确反演植被参数提供科学参考和依据。     

HJ-1A CCD与TM数据及其估算草地LAI和鲜生物量效果比较分析

基于地面实测和PROSAIL模型模拟数据,研究了新型传感器HJ-1ACCD与TM数据一致性问题,分析了传感器天顶角和光谱相应函数差异的影响,对比两种传感器数据估算草地LAI和鲜生物量的效果,得出以下结论:(1)HJ-1ACCD和TM反射率数据的拟合系数R2在0.7322和0.9205左右,在反射率较小时,两种传感器数据一致性较好;随着反射率增大,HJ-1ACCD数值逐渐高于TM。总体而言,在可见光和近红外波段,两种传感器较为接近,其中红波段最接近。(2)两种传感器的NDVI数据一致性非常高,且受传感器天顶角和光谱响应函数影响作用较小(相对误差约为0.34%—0.53%),而反射率的相对差别在3.34%—9.54%。(3)传感器天顶角较光谱响应函数对反射率影响更大。(4)基于HJ-1ACCD反射率数据估算草地LAI和鲜生物量效果较好,其中以CCD2传感器估算效果最好。     

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。     

基于IDL语言的植被指数UNVI软件插件

植被指数是地球陆表植被覆盖度和植被活力的指示因子,对环境监测、植被理化参量估算等应用研究有重要的意义。基于植被的反射光谱特征,通过遥感数据波段的组合,可以计算得到遥感植被指数。传统的植被指数如NDVI、EVI等仅利用有限波段信息的线性或非线性组合构建而成,没有充分利用遥感传感器所提供的多波段遥感信息,通用归一化植被指数UNVI(Universal Normalized Vegetation Index)充分利用了遥感传感器提供的多波段植被光谱信息,因此在反演植被叶绿素、生物量等植被理化参量上较其他传统植被指数更具优势。为方便UNVI指数的计算,本文基于IDL语言开发了UNVI软件插件,可直接作为ENVI商业遥感软件进行调用,并可满足多个传感器的UNVI计算需求。为了验证UNVI的应用效果,以植被总初级生产力GPP(Gross Primary Productivity)估算为例,比较了不同植被指数估算GPP的效果,结果表明:基于UNVI估算的GPP与通量站点获得的GPP具有较高的相关性(相关系数R2为0.79),验证了UNVI在GPP估算方面的优势。本文提供的UNVI软件插件可为遥感研究和应用人员提供便捷的计算工具。     

冬小麦叶面积指数的高光谱估算模型研究

本文以山东禹城为研究区,利用地面实测光谱数据,探讨不同植被指数和红边参数建立高光谱模型反演冬小麦叶面积指数的精度。通过逐波段分析计算了4种植被指数(NDVI、RVI、SAVI、EVI),结合同步观测LAI数据,确定反演叶面积指数的最优波段;计算了5种常用的高光谱植被指数MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同时利用4种常用方法计算红边位置和红谷,与实测LAI进行回归分析,比较植被指数和红边参数模型对冬小麦LAI的估测精度。结果表明各因子与LAI均具有较高的相关性,整个研究区归一化植被指数具有最高的反演精度,确定了估算冬小麦LAI的最优模型,并使用独立的LAI观测数据对模型进行了验证。     

基于ASTER遥感影像的亚热带植被覆盖度信息提取

根据植被指数估算植被覆盖度的原理,以混合像元线性分解模型两个重要参数为基础,建立基于归一化植被指数(NDVI)进行估算植被覆盖度模型是研究区域植被覆盖度的一种重要方法.本文以广州市花都区为实验区,利用ASTER高光谱影像对此方法进行验证性分析,实验结果表明:用该方法提取ASTER影像的植被覆盖度具有较好的可行性.     

草原植被覆盖度遥感估算模型的适用性比较

植被覆盖度及其变化对区域生态系统的稳定性具有直接影响,且这种影响在草原地区更加明显。为探寻草原植被覆盖度的最佳遥感估算方法,本文对像元二分模型、Carlson模型和Baret模型的估算精度和适用性进行了比较,优化了Baret模型的参数,以提高其在草原地区的估算精度。内蒙古呼伦贝尔地区的草地计算结果表明：像元二分模型有高估植被覆盖度的现象;Carlson模型在低植被覆盖区低估了植被覆盖度,而在高植被覆盖区高估了植被覆盖度;Baret模型在草原地区的估算精度最高。对Baret模型进行参数优化后,其在高植被覆盖度区域的估算精度提升了4.9%。     

阜新地区植被覆盖度变化提取及分析

植被覆盖度是反应地区生态环境的重要指标,利用1995,2007年的两期TM遥感数据,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算阜新地区不同时期的植被覆盖度并得出阜新地区植被覆盖度等级图以及阜新地区植被覆盖度变化等级图。得出如下结论:1995年到2007年阜新地区植被覆盖度退化面积为64.817%,好转面积为6.547%,基本无变化区域为28.636%,阜新地区植被覆盖度退化严重。     

Soil Moisture Estimation in a Vegetated Area Using Combination of AIRSAR and Landsat5-TM Images

High difference between dielectric constant of water (dielectric constant about 80) and dielectric constant of dried soil (dielectric constant about 2–3) makes Synthetic Aperture Radar (SAR) highly capable in soil moisture estimation. However, there are other factors which affect on radar backscattering coefficient. The most important parameters are vegetation cover, surface roughness and sensor parameters (frequency, polarization and incidence angle). In this paper, the importance of considering the effects of these parameters on SAR backscatter coefficients is shown by comparing different soil moisture estimation models. Moreover, an experimental soil moisture estimation model is developed. It is shown that this model can be used to estimate soil moisture under a variety of vegetation cover densities. The new developed model is based on combination of different indices derived from Landsat5-Thematic Mapper and AIRSAR images. The AIRSAR image is used for extraction of backscattering coefficient and incidence angle while TM image is used for calculation of Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Normalized Difference Water Index (NDWI) and Brightness Temperature. Then a soil moisture estimation model which is named as Hybrid model is developed based on integration of all of these parameters. The accuracies of this model are assessed in the NDVI ranges of 0–0.2, 0.2–0.4 and 0.4–0.7 by using SAR data in C band and L band frequencies and also in different polarizations of HH, HV, VV and TP. The results show that for instance in L band with HV polarization, R-square values of 0.728, 0.628 and 0.527 are obtained between ground measured soil moisture and estimated soil moisture values using the Hybrid model for NDVI ranges of 0–0.2, 0.2–0.4 and 0.4–0.7, respectively.     

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.     

草地地上生物量高精度曲面建模

草地生物量的大区域精确估算对全球变化研究和草地资源的合理利用具有重要作用。为提高草地生物量的空间模拟精度,发展了草地地上生物量的高精度曲面建模方法HASM-GB(High Accuracy Surface Modeling for Grassland Biomass),基于内蒙古草地地上生物量野外调查资料和同时期的遥感影像数据,采用HASM-GB方法对内蒙古自治区草原地上生物量空间分布进行了模拟。通过野外实测数据采用修正的Jackknifing方法对HASM-GB方法模拟结果进行了验证,结果表明模拟结果与实测数据之间具有较低的均方根误差(28.03 g/m²)和较好的相关性,相关系数为0.62。将HASM-GB方法与遥感生物量回归模型、普通克里金和回归克里金3种方法进行了精度对比,结果表明与其他3种方法相比,HASM-GB方法的模拟结果具有相对较低的平均误差、平均绝对误差、均方根误差和与测定值较高的相关系数。通过对地上生物量空间分布格局模拟结果的分析可知,由于植被指数-生物量回归模型属于非空间方法,其模拟精度很大程度上取决于主、辅变量间的相关性水平,易受植被指数数据误差的影响。普通克里金不能考虑辅助变量的作用。HASM-GB方法能够充分考虑生物量采样点和辅助变量的空间变异信息和邻域样本的空间结构特征从而提高模拟精度,其对草地地上生物量的曲面模拟能力高于回归克里金。结果表明HASM-GB可以作为模拟草地地上生物量空间分布相对有效的方法。     

伊犁河谷天然植被覆盖度的变化特征分析

利用2000-2015年植被生长季(4~10月)MODIS/NDVI产品反演生成同时相的植被覆盖度数据,运用趋势性分析方法和皮尔逊相关系数法,进行了不同类型自然植被覆盖度时空变化特征及其与降水量、平均气温的驱动因素分析。结果表明从多年平均状态看,针叶林的植被覆盖度高于其他天然植被,灌丛类的最低,荒漠和灌丛类的植被覆盖度总体呈递增趋势;从年际尺度上看,草原和灌丛类植被对气温和降水量的响应规律大致呈反方向;不同类植被在春季(4月)对气温和降水量反映的差异性最大,与春季为新疆融雪高峰期有一定关系。     

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.     

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。