树冠尺寸对冠层间隙率和聚集度指数的影响

冠层间隙率和叶片聚集度指数对植被拦截光和冠层辐射传输过程有重要影响。叶片往往以树冠的形式聚集在森林中,而树冠在诸多森林冠层几何光学模型中有重要作用。之前的研究主要集中于树冠的形状(例如圆柱、圆锥、椭球、圆锥+圆柱等)特征对冠层间隙率和叶片聚集度的影响。然而,树冠的结构特征除了包括形状特征外,还包括尺寸特征。事实上,树冠的尺寸特征是植被在长期进化过程中与自然环境相互作用的结果,且比树冠形状特征具有更明显的地理空间特征。本文首先修改了前人常用的用于描述树冠分布的泊松分布模型,其次,利用超几何模型更为真实地、定量地描述树冠之间的排斥效应和树冠的分布情况;最后,以椭球树冠为例,设定了从"瘦高"型到"矮胖"型等7种尺寸的树冠,分别通过固定树冠半径和树冠体积两种途径探讨了树冠尺寸特征对冠层间隙率和叶片聚集度的影响。结果表明:(1)无论固定树冠半径,还是固定树冠体积,树冠尺寸特征对冠层间隙率和叶片聚集度指数的影响,均比树冠形状特征对间隙率和叶片聚集度指数的影响明显;(2)树冠的尺寸对冠层间隙率和叶片聚集度的影响非常显著,且具有明显的规律性。树冠在观测方向的投影面积越大,冠层间隙率越小,叶片聚集指数度越大,冠层内叶片越趋于泊松分布。     

树冠形状对孔隙率及叶面积指数估算的影响分析

叶片在树冠尺度的聚集是森林场景中的重要聚集形式,模型中常假设树冠为规则的几何形体(椭球、圆锥、圆锥+圆柱等)。对树冠形状归属进行判断时界限并不明显,从而具有很强的主观性。本文首先扩展了Nilson的森林孔隙率模型,使其适用于椭球、圆锥、圆锥+圆柱等3种常见形状的树冠,并基于该模型分析了孔隙率、聚集指数对树冠形状的敏感性。同时,本文还分析了树冠形状对叶面积指数(LAI)地面间接测量精度的影响。基于不同形状树冠的模拟数据分析发现,树冠的体积、投影面积是树冠形状产生作用的主要因子,在冠层底部椭球形树冠和圆锥+圆柱形树冠的平均孔隙率、聚集指数都非常接近,而圆锥形树冠与两者存在较大差异。树冠形状的错误设置在极端情况下可导致估算的真实LAI误差超过25%。     

激光雷达的立体体元模型在森林冠层间隙率提取中的应用

针对光学森林冠层间隙率提取方法受天气影响较大的不足,本文基于激光雷达点云数据,提出一种立体体元模型方法进行森林冠层提取,并采用点云投影、半球成像两种常用方法与其进行对比。结果表明：不同体元大小提取的间隙率结果在变化趋势基本一致,当体元大小越大时,提取的间隙率结果越小;当与点云投影、DHP两种方法进行对比时,随着体元增大,本文方法提取结果与两种方法提取结果相关性也逐渐增高,当天顶角为0°～80°、10°～65°时,相关系数在0.91以上,表明本文方法可用于森林冠层间隙率提取。     

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。     

冠层特征尺度的定量计算模型与方法

冠层特征尺度是植被定量遥感的基础概念,其物理定义和数学定量表达具有重要的研究意义。首先,基于光学辐射传输角度提出的冠层特征尺度的物理定义,即水平维线性混合条件下的最小分辨率单元,建立了冠层特征尺度的数学计算模型,并引入倒置的地统计学指数模型。然后,提出了基于局部方差分析的冠层特征尺度计算方法。最后,利用森林区域高分辨率图像,对论文提出的冠层特征尺度模型进行了定量验证。结果表明,冠层特征尺度模型计算的冠层特征尺度与树林株行距存在密切联系,线性复相关系数达0.95,证明了本文方法的合理性和可行性。本文提出的冠层特征尺度模型为地表特征尺度定量计算提供了一种新方法。     

植株冠层几何形状对草地反射率的影响

本研究建立了一个反映植被辐射传输和几何光学特性的混合模型,以模拟半干旱地区天然草地的多波段反射率值。该模型引入一个几何相似性参数,用以描述植株冠层的几何形状对叶/枝角分布、阴影地面比例、冠层和地面各光学分量、冠层反射率和总反射率的影响。模型模拟值与研究区3个不同退化程度羊草草地的实测值较为吻合,而且退化程度越轻的草地,模拟效果也越好。对于中度退化草地,在高度与冠幅之比（chw）不变的情况下,当45°≤太阳天顶角sza≤75°时,不同几何形状植株的总反射率之间无显著差异;当0°≤sza〈45°或75°〈sza≤90°时，锥体与球体和柱体植株的总反射率之间有较显著差异；而球体和柱体植株的总反射率之间始终无显著差异。当chw由小到大变化时，以上结论基本不变。     

混合像元聚集指数研究及尺度分析

本文提出了一种新的混合像元聚集指数计算方法。该方法基于高分辨率遥感数据,采用方向孔隙率公式和线性混合模型相结合的方法,详细描述了混合像元内部由于植被覆盖度(FVC)、端元聚集指数以及叶倾角分布等引起的尺度差异。利用模拟数据进行初步敏感性分析,将计算得到的混合像元聚集指数与所占面积比例最大的端元聚集指数进行比较,结果表明端元聚集指数的不均一性对计算结果影响最大,由此得到的混合像元聚集指数较最大面积端元聚集指数下降了55%;植被覆盖度的不均一性影响次之,可使聚集指数降低43%;植被叶倾角分布(G函数)的空间异质性影响最小,约12%。敏感性分析的结果同时也证明了对于空间异质性较强的混合像元进行尺度差异修正的必要性。利用本文中提出的混合像元聚集指数方法有望在提高低分辨率叶面积指数反演中发挥重要作用。     

考虑目标光谱差异的机载离散激光雷达叶面积指数反演

利用间隙率模型反演LAI（Leaf Area Index），需要同时获取冠层间隙率和消光系数，后者与冠层叶倾角分布有关。基于点云数量构建激光雷达穿透指数LPI （LiDAR Penetration Index），用以代替冠层间隙率GF （Gap Fraction），并利用间隙率模型反演冠层LAI是利用LiDAR PCD（LiDAR Point Cloud Data）数据反演冠层LAI主要思路。冠层和背景的光谱差异是影响PCD数据中冠层和背景点云数量的重要因素，因此从LPI到GF的校正需要获取背景和冠层的后向散射系数比（μ=ρg/ρv）。本文基于PCD数据中点云强度进行μ值获取，用以实现LPI到GF的校正；在假设区域内叶倾角满足椭球形叶倾角分布的基础上，利用样地尺度下的多角度GF，采用有约束的非线性最优化方法获取椭球形叶倾角分布参数χ，实现冠层消光系数的获取；最后利用间隙率模型实现基于PCD数据的LAI反演。本文探讨了基于PCD数据进行冠层LAI反演时，样地尺度Rxy_Tile、样方尺度Rxy_Plot以及进行背景和冠层分割的高度阈值Ht对模型的影响。结果显示，由于区域内地衣植被广泛覆盖，基于点云强度的μ 值接近1，符合区域特点；经过μ值校正后的GF对冠层间隙率具有较好的反映能力（R2=0.78,RMSE=0.09）；对于优势种明显的区域，基于样地尺度内多角度GF的χ值反演受样地内冠间大间隙的影响，选择合适的样地尺度能够减小LAI反演过程中的系统性误差；结合地面参考数据，确定的最优Rxy_Tile、Rxy_Plot和Ht分别为950 m、10 m和2.6 m，在此基础上反演的LAI与地面测量数据具有高度的一致性（R2=0.84,RMSE=0.51）；与Rxy_Plot相比，基于间隙率模型的LAI反演对Ht的选择更为敏感。     

POV-ray应用于冠层可视光照和阴影组分比例变化分析

利用POV-ray快速计算三维冠层的四分量比例及孔隙率,在与计算机模拟模型对比结果、验证其可靠性的基础上,针对植被真实结构模型的主要参数对冠层四分量比例和孔隙率的敏感性进行分析。敏感性分析结果表明:当冠层为垄行结构时,相对于其他因素,行结构对四分量比例和孔隙率的影响占主导,因此当植被冠层为垄行结构时,四分量比例和孔隙率的变化较连续冠层更加复杂;集聚指数可以有效的控制叶片的空间分布模式,进而影响到视场中植被与土壤的相对面积比例,对于四分量比例和孔隙率结果有较大影响;叶倾角分布类型对四分量比例和孔隙率结果的各向异性特征影响明显;同时,通过对垄行作物3个典型生长期的四分量比例和孔隙率结果分析得出,在作物生长初期土壤对结果影响更大,在作物生长后期植被对结果的影响占主导,亮叶分量比例各向异性特征较为明显。研究表明,POV-ray是进行植被定量遥感研究的有利工具,具有较好的应用前景。     

改进型遥感生态指数与RSEI的对比分析

为了更好对城市生态质量进行监测和评价,构建一个更精确的城市遥感生态指数十分必要。本文结合绿度、湿度、干度、热度和空气质量指标采用主成分分析PCA（Principal Component Analysis） 构建改进型遥感生态指数MRSEI（Modified Remote Sensing Ecological Index）;利用熵权法计算压力—状态—响应模型PSR （Pressure State Response Model）中各指标的权重,通过加权法获得生态环境指数EI（Eco-environmental Index）与MRSEI和RSEI进行比较。同时,综合绿度、热度、湿度、干度指标利用核主成分分析KPCA（Kernel Principal Component Analysis）构建非线性遥感生态指数NRSEI（Nonlinear Remote Sensing Ecological Index）;最后将MRSEI、NRSEI分别与常用的遥感生态指数RSEI（Remote Sensing Ecological Index）进行对比和分析。结果表明,MRSEI可体现空气质量空间分布对城市生态质量的影响,2014年和2017年MRSEI与EI的相关系数分别是0.829和0.857（P<0.01）,比RSEI与EI的相关系数分别提高0.035和0.055。在主城区MRSEI和RSEI与EI比较结果表明,MRSEI的平均绝对误差、均方根误差和平均相对误差均小于RSEI,表明MRSEI更适用于城市生态质量评价,空气质量指标对北京市生态环境监测、评价是非常重要的。同时,在实验区KPCA第一主成分贡献率比PCA提高了11.94%—21.45%;各个指标与NRSEI相关系数比与RSEI提高了0.128—0.198;NRSEI可体现生态等级间的过渡,RSEI对生态环境差的区域有时低估,对生态环境优的区域有时高估,NRSEI与遥感影像定性反映的生态状况更加相符。在监测空气质量严峻的北京市生态质量方面,MRSEI优于RSEI;顾及各指标间的弱线性或非线性问题的NRSEI监测生态环境质量效果优于利用线性变换的RSEI。     

Estimating fractional vegetation cover from leaf area index and clumping index based on the gap probability theory

Gap probability theory provides a theoretical equation to calculate fractional vegetation cover (FVC). However, the main algorithms used in present FVC products generation are still the linear mixture model and machine learning methods. The reason to limit the gap probability theory applied in the product algorithm is the availability and accuracy of leaf area index (LAI) and clumping index (CI) products. With the improvement of the LAI and CI products, it is necessary to assess whether the algorithm based on gap probability theory using the present products can improve the accuracy of FVC products. In this study, we generated the FVC estimates based on the gap probability theory (FVCgap) with a resolution of 500 m every 8 days for Europe. FVCgap estimates were validated with field FVC measurements of ImagineS from 2013 to 2015 for crop types. Two existing FVC products, Geoland2 Version1 (GEOV1) and Multisource data Synergized Quantitative remote sensing production system (MuSyQ), were used to inter-compare with the FVCgap estimates. FVCgap estimates showed a better agreement with field FVC measurements, with lowest root mean square error (RMSE) (0.1211) and bias (0.0224), than GEOV1 and MuSyQ FVC products. The inter-annual and seasonal variations of FVCgap estimates were also showed the most consistent with field measurements.     

增强型形态学建筑指数的建筑物变化检测

针对在高分辨率遥感影像中,利用形态学建筑指数提取建筑物时,同质性区域内部会出现噪声影响建筑物变化检测精度的问题,该文提出一种基于增强型形态学建筑指数的建筑物变化检测方法。采用增强型形态学建筑指数进行建筑物的提取,较好地去除了同质性区域内部的噪声,提高了建筑物提取精度;利用变化向量分析法获得建筑物变化检测结果,并采用LFI指数对变化检测结果进行后处理,有效地区分出建筑物对象和城市道路等地物,提高了建筑物变化检测精度。最后通过实验证明:该文算法可以有效地进行建筑物的提取和变化检测。     

基于遥感分类的植被覆盖度提取

阐述了基于遥感分类进行植被覆盖度提取的方法,分析了直接利用关系模型提取植被覆盖度的缺点,遥感分类可获得不同类型地物,此后关系模型分别提取,解决了直接利用关系模型提取中存在的缺点.     

干旱半干旱地区植被覆盖度遥感信息提取研究

提出了利用中等分辨率与高分辨率卫星图像相结合建立植被覆盖度提取模型以获取大范围植被覆盖度的方法。该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围宏观监测