双集合卡尔曼滤波估算时间序列LAI

遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。     

黑河中游农作物MODIS叶面积指数产品时间序列精度验证与变化特征分析

叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据,为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据,建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值,对MODIS LAI产品进行了精度验证与稳定性评价,分析了MODIS LAI与LAINet地面测量的差异原因。结果表明：与Landsat 8参考真值相比,MODIS LAI生长季的质量（RMSE2018=1.17,RMSE2019=1.14）优于衰落季（RMSE2018=1.39,RMSE2019=1.84）,MODIS LAI总体低估,尤其是生长季后期。时间序列上,MODIS LAI产品能够刻画植被生长和凋落的季节特征,但生长前期波动性要强于后期。与L...     

采用DBM方法的时间序列LAI建模与估算

运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间序列反射率与LAI的动态变化关系。LAI_DBM模型使用遥感观测数据实时估算得到的LAI,在数据质量和时间连续性上比MODISLAI有改进。     

黑河流域遥感物候产品验证与分析

植被物候遥感产品对全球变化响应、农业生产管理、生态学的应用等多领域研究具有重要意义。但现有植被物候遥感产品还有较多问题,主要包括一方面使用不同参数的时间序列数据以及不同提取算法导致的产品结果差异较大,另一方面在地面验证中地面观测数据与遥感反演数据的物理含义不一致导致的验证方法的系统性误差。本文以黑河流域为研究区,对比验证基于EVI(Enhanced Vegetation Index)时间序列数据提取的MLCD(MODIS global land cover dynamics product)植被遥感物候产品和基于LAI(Leaf Area Index)时间序列数据提取的UMPM(product by universal multi-life-cycle phenology monitoring method)植被遥感物候产品的有效性及精度等。同时,通过验证分析进一步评估基于EVI和LAI时间序列提取的物候特征的差异及特点,探讨由于地面观测植被物候与遥感提取植被物候的物理意义的不一致问题导致的直接验证结果偏差。结果表明:UMPM产品有效性整体高于MLCD产品,但在以草地和灌木为主的稀疏植被区,由于LAI取值精度的原因,UMPM产品存在较多缺失数据,且时空稳定性较低;基于玉米地面观测数据表明,EVI对植被开始生长的信号比LAI更加敏感,更适合提取生长起点,但植被指数易饱和,峰值起点普遍提前,基于LAI提取的峰值起点更加合理。由于地面观测的物候期在后期更加关注果实生长,遥感观测仅关注叶片的生长,遥感定义的峰值终点和生长终点与玉米的乳熟期和成熟期差异较大。     

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。     

MODIS,CYCLOPES和GLASS 3种LAI产品在韩江流域的对比

叶面积指数(leaf area index,LAI)是影响植被蒸腾、降水截留和能量交换的关键参数,是生态模型和陆面过程模型的重要输入参数。目前,全球许多机构基于多种遥感数据,采用不同的反演方法得到了多种LAI产品,MODIS,CYCLOPES和GLASS是其中时空分辨率较高的3种。以植被类型多样的韩江流域为对象,通过分析这3种LAI产品的空间和时间一致性,得到以下结论:(1)CYCLOPES LAI存在大量的数据缺失,MODIS和GLASS LAI具有更好的空间和时间序列的完整性;但MODIS LAI存在大量LAI突然变小的无效数据。(2)MODIS,CYCLOPES和GLASS LAI的空间分布基本都能与流域的植被类型相适应,其中,MODIS与GLASS LAI的空间分布一致性相对较好,但前者林地的LAI较后者大,非林地则相反;而CYCLOPES LAI林地的LAI明显比前两者的小。(3)MODIS,CYCLOPES和GLASS LAI的时间序列过程线具有相同的变化趋势,GLASS LAI的过程曲线是3者中最完整和平滑的,MODIS LAI的曲线有明显的波动性。3种LAI反映的各种植被的季节变化具有较好的一致性,MODIS和GLASS LAI的相似程度比CYCLOPES LAI高。     

基于背景库的高质量LAI时间序列数据重建

叶面积指数LAI(Leaf Area Index)是表征植被冠层结构的重要参数,然而由于云等大气因素的影响,MODISLAI时间序列产品在时间与空间尺度的连续性仍存在问题。随着先验知识在遥感反演中的地位不断得到加强,本文将多年LAI历史数据作为先验知识,用以建立LAI背景库,并提出了基于LAI背景库的Savitzky-Golay(SG)滤波算法来实现LAI时间序列数据的降噪工作。结果表明,与传统SG滤波相比,新算法能够更加客观有效地重建LAI时间序列。     

封面说明

正针对全球叶面积指数(LAI)产品存在的数据缺失、不连续和不确定性较大等问题,北京师范大学全球变化数据处理与分析中心(http://www.bnudatacenter.com/)发布了1981年-2013年的全球GLASS LAI产品。该产品利用"多输入-多输出"的广义回归神经网络反演算法,将一年的MODIS或AVHRR地表反射率数据作为输入,一次性输出获得一年的LAI产品。GLASS LAI产品具有空间完整、时间序列平滑连续等特点,且精度优于MODIS和GEOV1等全球LAI产品,可以很好地反映全球植被的物候变换规律。基于该产品的部分研究成果请见本期"陆表遥感数据产品的分析研究"     

MODIS LAI产品真实性检验与偏差分析

当前对MODIS LAI产品的真实性检验工作中,更多的是关注遥感产品在数值与趋势上与地表真值的一致性程度,很少工作能够全面分析遥感LAI产品偏差来源以及不同来源的偏差对全局偏差的贡献率。本文在对MODIS LAI产品进行真实性检验基础之上,进一步分析了MODIS LAI产品偏差来源。将遥感产品真实性检验偏差来源分解为反演模型,反射率数据和冠层聚集效应3个方面,并定量分析各个偏差源对真实性检验结果的影响。以河北省怀来玉米为研究对象,结合实测LAI数据和Landsat 8 OLI(Operational Land Imager)数据建立NDVI LAI半经验模型,得到LAI参考数据,据此对MODIS LAI产品进行真实性检验及偏差分析。研究表明,该区域MODIS LAI产品存在明显的低估现象,参考数据和MODIS LAI数据均值分别为3.53 m2/m2和2.33 m2/m2,MODIS产品低估为34.14%。在各个偏差因素中,反射率数据的差异对结果影响最大,即MODIS地表反射率数据与Landsat 8 OLI地表反射率数据的差异造成的偏差占总偏差的57.50%;聚集效应的影响次之,占总偏差的28.33%;模型差异对结果的影响最小,占总偏差的14.17%。本研究对遥感产品真实性检验及其不确定性分析具有一定的借鉴意义。     

遥感定量反演地表参数对于气候变化的响应研究

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件（如云、气溶胶、水汽等）以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数（NDVI）、叶面积指数（LAI）、地表温度（LST）、微波极化亮温（PDBT）等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析（HANTS）方法,能够识别并去除受到云和大气影响的像元（噪声）,对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

An Algorithm to Produce Temporally and Spatially Continuous MODIS-LAI Time Series

Ecological and climate models require high-quality consistent biophysical parameters as inputs and validation sources. NASA's moderate resolution imaging spectroradiometer (MODIS) biophysical products provide such data and have been used to improve our understanding of climate and ecosystem changes. However, the MODIS time series contains occasional lower quality data, gaps from persistent clouds, cloud contamination, and other gaps. Many modeling efforts, such as those used in the North American Carbon Program, that use MODIS data as inputs require gap-free data. This letter presents the algorithm used within the MODIS production facility to produce temporally smoothed and spatially continuous biophysical data for such modeling applications. We demonstrate the algorithm with an example from the MODIS-leaf-area-index (LAI) product. Results show that the smoothed LAI agrees with high-quality MODIS LAI very well. Higher R-squares and better linear relationships have been observed when high-quality retrieval in each individual tile reaches 40% or more. These smoothed products show similar data quality to MODIS high-quality data and, therefore, can be substituted for low-quality retrievals or data gaps.     

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。     

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。     

中国区域MuSyQ叶面积指数产品验证与分析

对多源遥感数据协同生产的2010年—2015年中国区域1 km空间分辨率5天合成的MuSyQ（Multi-source data Synergized Quantitative remote sensing production system）叶面积指数LAI产品进行验证。参考现有的LAI产品（MODIS c5,GLASS LAI）和中国生态系统研究网络部分农田和森林站点可用的LAI地面测量数据,从时空连续性、时空一致性、精度和准确性等方面对中国区域的MuSyQ LAI产品进行定性和定量分析与评价。结果表明：（1） MuSyQ LAI产品在保证精度优于MODIS产品的情况下,时间分辨率和时空连续性均有提高。MuSyQ LAI与其他LAI产品（MODIS c5,GLASS LAI）在整体上有很好的一致性（RMSE=1.0,RMSE=0.81）,但对常绿阔叶林高值处的描述不稳定;（2） 与LAI地面测量数据相比,MuSyQ LAI产品与地面参考图对比结果较好（最高相关性（R²=0.54）和较低总体误差（RMSE=0.96））,其在阔叶作物生长季高值处有些许低估且在某些阔叶林站点有些高估。整体上,MuSyQ LAI产品呈现出较高的精度,可靠的空间分布和连续稳定的时间分布,且对森林LAI的描述具有更可靠的动态范围。     

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。     

A physically based approach to model LAI from MODIS 250 m data in a tropical region

A time series of leaf area index (LAI) has been developed based on 16-day normalized difference vegetation index (NDVI) data from the Moderate Resolution Imaging Spectroradiometer (MODIS) at 250 m resolution (MOD250_LAI). The MOD250_LAI product uses a physical radiative transfer model which establishes a relationship between LAI, fraction of vegetation cover (FVC) and given patterns of surface reflectance, view-illumination conditions and optical properties of vegetation. In situ measurements of LAI and FVC made at 166 plots using hemispherical photography served for calibration of model parameters and validation of modelling results. Optical properties of vegetation cover, summarized by the light extinction coefficient, were computed at the local (pixel) level based on empirical models between ground-measured tree crown architecture at 85 sampling plots and spectral values in Landsat ETM+ bands. Influence of view-illumination conditions on optical properties of canopy was simulated by a view angle geometry model incorporating the solar zenith angle and the sensor viewing angle. The results revealed high compatibility of the produced MOD250_LAI data set with ground truth information and the 30 m resolution Landsat ETM+ LAI estimated using the similar algorithm. The produced MOD250_LAI was also compared with the global MODIS 1000-m LAI product (MOD15A2 LAI). Results show good consistency of the spatial distribution and temporal dynamics between the two LAI products. However, the results also showed that the annual LAI amplitude by the MOD15A2 product is significantly higher than by the MOD250_LAI. This higher amplitude is caused by a considerable underestimation of the tropical rainforest LAI by the MOD15A2 during the seasonal phases of low leaf production.     

Intercomparison and validation of MODIS and GLASS leaf area index (LAI) products over mountain areas: A case study in southwestern China

The validation study of leaf area index (LAI) products over rugged surfaces not only gives additional insights into data quality of LAI products, but deepens understanding of uncertainties regarding land surface process models depended on LAI data over complex terrain. This study evaluated the performance of MODIS and GLASS LAI products using the intercomparison and direct validation methods over southwestern China. The spatio-temporal consistencies, such as the spatial distributions of LAI products and their statistical relationship as a function of topographic indices, time, and vegetation types, respectively, were investigated through intercomparison between MODIS and GLASS products during the period 2011–2013. The accuracies and change ranges of these two products were evaluated against available LAI reference maps over 10 sampling regions which standed for typical vegetation types and topographic gradients in southwestern China.The results show that GLASS LAI exhibits higher percentage of good quality data (i.e. successful retrievals) and smoother temporal profiles than MODIS LAI. The percentage of successful retrievals for MODIS and GLASS is vulnerable to topographic indices, especially to relief amplitude. Besides, the two products do not capture seasonal dynamics of crop, especially in spring over heterogeneously hilly regions. The yearly mean LAI differences between MODIS and GLASS are within ±0.5 for 64.70% of the total retrieval pixels over southwestern China. The spatial distribution of mean differences and temporal profiles of these two products are inclined to be dominated by vegetation types other than topographic indices. The spatial and temporal consistency of these two products is good over most area of grasses/cereal crops; however, it is poor for evergreen broadleaf forest. MODIS presents more reliable change range of LAI than GLASS through comparison with fine resolution reference maps over most of sampling regions. The accuracies of direct validation are obtained for GLASS LAI (r = 0.35, RMSE = 1.72, mean bias = −0.71) and MODIS LAI (r = 0.49, RMSE = 1.75, mean bias = −0.67). GLASS performs similarly to MODIS, but may be marginally inferior to MODIS based on our direct validation results. The validation experience demonstrates the necessity and importance of topographic consideration for LAI estimation over mountain areas. Considerable attention will be paid to the improvements of surface reflectance, retrieval algorithm and land cover types so as to enhance the quality of LAI products in topographically complex terrain.     

A Method to Upscale the Leaf Area Index (LAI) Using GF-1 Data with the Assistance of MODIS Products in the Poyang Lake Watershed

A leaf area index is a key parameter reflecting the growth changes of vegetation and one of the most important canopy structural parameters for performing quantitative analyses of many ecological and climate models. Although using high-resolution satellite data and the radiative transfer model (RTM) can be used to generate high resolution LAI products, the RTM method has some problems because its temporal resolution is low, the input parameters are more appropriate for a physics model, and some parameters are difficult to obtain. Problems that urgently need to be solved include improving the temporal-spatial resolution for LAI products and localizing LAI products. To explore an applicable method for the high-resolution LAI products in a small basin and to improve the inversion accuracy, we propose an approach for GF-1 WFV LAI retrieval using MOD15A2 data and the measured LAI of the Poyang Lake watershed. Empirical models were used to retrieve high resolution LAI values, and the results show that these models are well designed for analyzing time-series satellite data. Good correlations were obtained between the NDVI of the GF-1 WFV data, the retrieved LAI values and the MODIS LAI data from samples acquired in both summer and winter. The exponential NDVI model obtained the best LAI value estimation results from the GF-1 WFV data (R2 = 0.697, RMSE = 1.100); the best synthetic validation of the RMSE is 0.883, close to the optimum model. Therefore, the retrieval results more fully reflect the growth process of the different features. This study proposed an upscale method for developing a high spatial resolution GF-1 satellite standard LAI products retrieval model using MODIS data. The proposed method will be helpful for efficiently improving the temporal-spatial resolution of LAI products to benefit the extraction of vegetation parameter information and dynamic land use monitoring.     

同化MODIS温度产品估算地表水热通量

基于集合卡尔曼滤波和通用陆面模型(CLM 1.0)发展了一个地表温度的同化系统。这个系统同化了MODIS温度产品, 并将MODIS的叶面积指数引入CLM模型中, 主要用于改进地表水热通量的估算精度。将CLM输出的地表温度与MODIS地表温度建立关系, 并作为同化系统的观测算子。将MODIS地表温度与实测地表温度进行了比较, 将其均方差(Root Mean Square Error, RMSE)作为观测误差。选取3个美国通量网站点(Blackhill、Bondville、Brookings)作为实验数据, 结果表明: 同化结果中地表温度、显热通量的估算精度均有提高。其中Blackhill站的估算精度改进最大, 均方差由81.5W·m-2减小到58.4W·m-2, Bondville站均方差由47.0W·m-2减小到31.8W·m-2, Brookings站均方差由46.5W·m-2减小到45.1W·m-2。潜热通量估算精度在Bondville站均方差由88.6W·m-2减小到57.7W·m-2, Blackhill站均方差由53.4W·m-2减小到47.2W·m-2。总之, 结合陆面过程模型同化MODIS温度产品估算地表水热通量是可行的。