联合星载高光谱影像和堆栈集成学习回归算法的红树林冠层叶绿素含量遥感反演

红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI_（12,17）、DSI_（12,18）和NDSI_（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm²）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm²）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm²）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R²=0.761,RMSE=16.738 μg/cm²）高于Sentinel-2A影像（R²=0.615,RMSE=20.701 μg/cm²）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R²=0.356,RMSE=49.419 μg/cm²）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R²均大于0.61）,而OHS数据的估算精度更高（R²大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R²小于0.4）,且对红树林CCC数值存在系统性低估。     

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。     

Sentinel-2卫星落叶松林龄信息反演

林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力,对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象,分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像,采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期,并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演,分别为冠层含水量（CWC）,归一化水体指数（NDWI）,叶面积指数（LAI）,光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明,展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外,落叶松林龄与各指标之间均呈负相关关系,其中与冠层含水量（CWC）的相关性最高,pearson相关系数达到-0.74（p<0.01）。此外,不同模型反演结果表明,随机森林模型（RF）为最佳落叶松林龄估测模型,其平均决定系数R²和平均均方根误差RMSE分别为0.89和2.91 a;多元线性回归模型（MLR）的林龄估测结果最差,其平均决定系数R²和平均均方根误差RMSE仅为0.57和5.69 a,非线性模型能更好的解释林龄与建模变量之间的关系。     

机载激光雷达数据分析与反演青海云杉林结构信息

利用机载激光雷达点云数据,计算了9种度量指标,并将其分为冠层的高度指标、结构复杂度指标和覆盖度指标。利用高度指标和结构复杂度指标,结合大量实测单木结构与年龄估测数据,从样点和区域尺度分别分析了青海云杉林冠层垂直结构分布,分析得知实验区内主要以中龄林和成熟林为主,冠层垂直分布复杂程度偏低,高度分化程度一般。通过回归分析发现首次回波覆盖度指标FCI与实测的有效植被面积指数PAI_e有良好的相关性（R²=0.66）,在此基础上基于辐射传输模型反演了实验区内PAI_e的水平分布,且用实测数据验证发现反演的PAI_e略高于实测值（R²=0.67）,绝对平均误差为0.65。分析结果很好地反映了激光雷达在森林空间结构信息提取方面的应用潜力。     

中国南方森林冠顶高度Lidar反演—以江西省为例

激光雷达(Lidar)与光学遥感的有效结合对中国南方区域森林冠顶高度反演意义重大,而国产卫星将为中国森林生态研究提供新的数据源。本文联合利用大脚印激光雷达GLA和国产MERSI数据,在实现GLAS波形数据处理和不同地形条件下森林冠顶高度反演算法基础上,建立了区域尺度不同森林类型林分冠顶高度GLAS+MERSI联合反演关系模型,进行了江西地区森林冠顶高度反演。总体上,GLAS激光雷达森林冠顶高度估算精度较高;且在与MERSI 250 m数据的联合反演模型中,针叶林模型精度较好(R²=0.7325);阔叶林次之(R²=0.6095);混交林较差(R²=0.4068)。分析发现,考虑了光学遥感生物物理参数的GLAS+MERSI联合关系模型在区域森林冠顶高度估算中有较高精度,且在空间分布上与土地覆盖数据分布特征非常一致。     

利用交叉验证的小麦LAI反演模型研究

叶面积指数(leave area index,LAI)是表征植被冠层结构和生长状况的关键参数,采用遥感技术进行LAI反演是遥感反演领域的热点和难点之一。利用小麦关键生育期的高光谱数据,计算其一阶和二阶导数,并构建植被指数(RVI,NDVI,EVI,DVI和MSAVI)及三边变量参数等高光谱变量;将上述参数与小麦LAI数据进行相关性分析,并利用交叉验证法进行多种回归分析,确定反演小麦LAI的敏感参数,选择反演模型;最后使用敏感参数构建所有样本的小麦LAI反演模型,并比较其拟合效果。研究结果表明:经过交叉验证的反演建模,其拟合结果的均方根误差(RMSE)整体上较未经交叉验证反演建模结果的RMSE小;在用敏感参数构建的回归模型中,RVI立方回归模型是用遥感数据反演小麦LAI的最优模型。     

基于被动微波遥感技术的玉米冠层叶面积指数反演

基于玉米冠层结构参数实测数据和Matrix-Doubling(MD)模型构建了玉米出苗期至抽穗期的冠层多波段、双极化微波辐射特性模拟数据库;通过对模拟数据的回归分析得到了玉米冠层在各波段的微波发射率及其与透过率之间的经验关系,并将经验关系应用于0阶微波辐射传输模型;结合土壤发射率模型构建了玉米冠层覆盖地表的微波辐射亮温参数化计算模型,并基于该参数化模型、利用玉米样地微波亮温观测试验数据,采用迭代方法进行了玉米叶面积指数(LAI)的反演.研究表明,LAI反演值与实测值的相关系数r＞0.9,说明多波段被动微波遥感数据在植被冠层LAI反演方面具有较大的应用潜力.     

全球海洋次表层温度异常遥感反演的季节时空变化特征

卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型,利用卫星遥感观测的海表参量（海表高度异常（SSHA）、海表温度异常（SSTA）、海表盐度异常（SSSA）和海表风场异常（SSWA））,反演不同季节、不同深度层位（1000 m深度以上）的海洋次表层温度异常（STA）,并用Argo实测数据作精度验证,采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及决定系数（R²）评价模型在全球及洋盆尺度上的反演精度。结果显示,全球海洋16个深度层位的平均R²在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66,NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化,模型反演性能有所波动。模型在印度洋的反演效果最佳,不同季节、不同深度层位上的平均R²和RMSE分别为0.71和0.18 ℃,而大西洋的反演精度最低,平均R²和RMSE分别为0.46和0.25 ℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演,且在不同洋盆上均有较好的反演效果;不同季节上,上层STA有明显变化信号,空间异质性显著,但300 m以深,STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据,有助于进一步发展深海遥感方法。     

海水背景下不同浓度的甲烷含量高光谱定量反演

在油气资源遥感探测中,通过烃渗漏引起的海表面甲烷气浓度异常来探测海底气藏是最直接的方法之一。为了更好地识别海表甲烷异常,提高遥感反演精度,对海表甲烷气含量进行定量光谱分析研究。设计室内甲烷波谱测试平台,获取海水背景下不同含量甲烷高光谱数据为数据,对光谱数据预处理及进行比值导数光谱法,并提取光谱吸收特征参数,对甲烷含量与光谱参数之间进行相关性分析,构建甲烷含量的反演模型。比值导数光谱法确实抑制了海水背景信息,突出了甲烷特征。1650—1664 nm和2180—2210 nm波段范围的光谱参数与甲烷含量相关性显著;其中,波谷、波深、面积、斜率与甲烷含量显著相关。基于2180—2210 nm波段范围建立的波谷、波深、面积、斜率四元回归方程y=-14.356 - 5931.796x₁ - 4325.081x₂+241.481x₃+7531.973x₄拟合效果最好,R²为0.9817;且在此波段范围内基于波深建立的单变量甲烷反演模型y = 2047.571x - 9.758,R²为0.9741,比基于其他变量所建立的反演模型效果要好。成功获取了和海水背景下甲烷含量线性相关显著的对应波段和吸收特征,可为利用多/高光谱遥感预测勘探海表面甲烷气浓度提供一定的理论和技术依据。     

SAR与光学遥感影像的玉米秸秆覆盖度估算

秸秆是农田生态系统的重要组成部分。秸秆覆盖度（CRC）的遥感估算可以大范围、快速地获取地面秸秆覆盖信息，对保护性耕作的推广具有十分重要的意义。基于Sentinel-1 SAR影像和Sentinel-2光学影像分别构建了雷达指数与光学遥感指数，结合吉林省梨树县春秋两期实地采样数据，探究遥感指数与玉米秸秆覆盖度的相关性。为进一步提升玉米秸秆覆盖度的估算精度，结合雷达指数与光学遥感指数，采用最优子集回归的方法建立玉米秸秆覆盖度的估算模型，完成研究区的玉米秸秆覆盖度估算制图。结果表明：土壤质地分区建模可有效解决土壤异质性问题，提升反演精度。各遥感指数在秋季高覆盖时期的表现均优于春季低覆盖时期。STI和NDTI指数在光学遥感指数中表现最好，R²分别为0.701和0.697，而在雷达指数中，基于余弦矫正法的γVH0指数与实测CRC的相关性最高，R²为0.564。结合雷达指数与光学遥感指数能够有效地提高秸秆覆盖度估算精度，在最优子集回归法下基于结合指数构建的回归模型最优，R²为0.799，RMSE为13.67%，达到了较高的精度。研究结果为秸秆覆盖度估算的精度提升提供了一种新思路。     

利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演

氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R²val>0.579）均优于原始20 m的影像（R²val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R²val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R²val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R²cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。     

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AERONET数据的气溶胶光学特性分析

大气气溶胶的监测对全球气候变化、区域空气质量和公共健康等研究具有重要的意义,而中国台湾岛四面环海,地理位置特殊,若忽略其大气环流和局地排放源造成的气溶胶特征时空异质性将会导致气溶胶参数反演误差。因此本研究使用中国台湾岛多个具有代表性的AERONET（AErosol RObotic NETwork）观测站历史数据和MODIS气溶胶光学厚度AOD（Aerosol Optical Depth）反演产品,分析5个典型站点气溶胶参数及其类型的时空变化特征及差异,分析结果表明：（1）各站点AOD年平均值逐年下降,呈现春季最高（0.5257）的季节变化特征和双峰结构的日变化规律,主导气溶胶类型为城市工业型（仅鹿林站点为海洋型）。（2）中国台湾地区风向多为东北风,风速越大,AOD值越低,海洋型气溶胶占比越高;反之则以城市工业型气溶胶为主。（3）?ngstr?m波长指数（AE）、单次散射比（SSA）、复折射指数虚部、不对称因子平均值分别为1.3283、0.9564、0.0054、0.7292;相比于北京（39.9768°N,116.3813°E）站,台湾“中央大学”AOD年平均值、季节变化、主导气溶胶类型均存在较大的差异。（4）MODIS AOD分站点验证精度较高,而在高山鹿林站的验证精度稍低（R²=0.5925）;而利用不同气溶胶类型的分类验证结果显示,城市工业（R²=0.7238）、生物质燃烧（R²=0.6161）和次大陆型（R²=0.5116）精度较高,但海洋型（R²=0.1585）、大陆型（R²=0.1111）AOD验证精度显著降低。本研究表明,中国台湾岛气溶胶类型呈现西南沿岸站点秋冬季次大陆型占比上升,西北沿岸大陆型上升的时空特征差异,细化气溶胶参数的时间差异和时间动态变化信息将对气溶胶卫星反演算法在环流特征明显的近海区域有着重要指导作用。     

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。     

O2-O2云反演算法及其在TROPOMI上的应用

利用遥感技术对大气环境污染进行监测时,云是影响痕量气体反演精度的重要因素,因此在痕量气体反演中需要对云的影响进行校正,通常使用的云参数主要是有效云量和云压。本文基于O₂-O₂ 477 nm吸收波段构建了O₂-O₂云反演算法：首先,根据有效云量和云高与连续反射率和O₂-O₂斜柱浓度之间的对应关系,结合假定的云模型利用VLIDORT辐射传输模型建立关于有效云量和云压的查找表;然后,通过差分吸收光谱技术拟合卫星载荷观测的大气层顶辐射,获得O₂-O₂斜柱浓度并计算连续反射率;最后,结合辅助数据,根据查找表进行插值反演获得有效云量和云压。通过将算法应用到OMI观测数据,将反演结果与OMCLDO2产品进行对比验证,有效云量和云压空间分布一致,相关系数R均超过0.97;并还将该算法应用于下一代大气成分监测仪器TROPOMI,与FRESCO+产品对比,有效云量和云压空间分布基本一致,当地表类型为海洋时,有效云量相关系数R大于0.97,云压相关系数R大于0.94,云压反演结果存在一定的区别;通过将O₂-O₂云反演算法和FRESCO+云压反演结果与CALIOP Cloud Layer产品进行对比,结果表明,在低云情况下,O₂-O₂云反演算法线性回归方程斜率为0.782,截距为198.0 hPa,相关系数R为0.850,算法表现优于FRESCO+。而在高云情况下,FRESCO+反演结果更接近CALIOP云压结果。在OMI和TROPOMI上的应用表明O₂-O₂云反演算法在大气云反演中具有较高的准确性和可行性,可以为大气痕量气体反演的校正提供云参数,并为中国同类型卫星载荷的云反演算法提供算法参考。     

极区海冰密集度AMSR-E数据反演算法的试验与验证

海冰密集度是极区海冰监测的重要参数,目前分辨率最高的微波海冰密集度产品为德国Bremen大学发布的针对AMSR-E 89 GHz频段数据利用ASI算法反演的网格数据。为实现中国极区遥感产品从无到有的战略步骤,本文针对AMSR-E 89GHz频段微波数据的ASI算法,进行了插值算法、系点值和天气滤波器一系列试验。针对北极海区,着重对影响反演结果的主要参数——纯冰和纯水的亮温极化差异阈值,即系点值(P₁和P₀)进行了2009年全年的统计分析。研究表明,2009年北极纯冰和纯水的代表区域P₁和P₀年平均值分别为10.0 K和46.67 K;2 K以上的系点值差异引起的海冰密集度差别较为显著;同样的系点值差异在不同极化差异P取值范围对海冰密集度的影响也不同。通过统计确定的系点值推算并修正了海冰密集度反演公式,对2009年全年北极海冰密集度进行了反演,并与Bremen大学产品进行了比较。继而对白令海和楚科奇海12个晴空下MODIS可见光样本数据进行反演,以验证AMSR-E冰密集度反演结果,并对误差原因进行了分析。本研究反演结果与MODIS样本比对的误差略小于Bremen大学的反演产品,空间平均误差为3.84%,空间平均绝对误差10.83%。     

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。     

珞珈一号夜间灯光数据的福建省人为热通量估算

夜间灯光数据是估算人为热通量（AHF）的重要数据,但当前应用最广的DMSP/OLS和Suomi-NPP/VIIRS夜间灯光数据由于受限于粗糙的空间分辨率,而无法刻画城市内部的AHF分布细节。中国2018年6月发射的Luojia 1-01卫星所获取的130 m高空间分辨率夜间灯光数据,则有望解决这一问题。因此本文利用Luojia 1-01夜间灯光数据,通过将统计年鉴中的能源统计数据细化至福建省84个县（市、区）,然后与3个夜间灯光指数（NTL_nor、HSI、VANUI）进行回归分析,分别构建了基于这3个指数的福建省AHF空间估算模型,并采用交叉验证法对其进行筛选。结果显示：（1）在3个指数中,基于VANUI的乘幂估算模型的R²最高,且RMSE最小,因此精度最高;（2）利用VANUI乘幂估算模型反演得到的2018年福建省年均AHF为0.88 W/m²,其中厦门市的年均AHF最高,达10.98 W/m²,泉州、莆田、福州、漳州等沿海城市次之,年均值在0.98—1.95 W/m²,而宁德、龙岩、三明、南平等城市的AHF则较低,均值在0.38—0.46 W/m²;（3）Luojia 1-01夜间灯光数据可以揭示城市内部的AHF分异细节。根据用地属性和功能的不同,AHF数值表现为：城市集中商业区>大型市政公共设施区>城市主干道>城市住宅区>近郊住宅区。研究表明,基于Luojia 1-01夜间灯光数据建立的AHF估算模型可以较好地揭示城市尺度AHF的空间分异情况。     

地球静止卫星和网格化站点支持下的PM2.5精细制图

许多城市建立的相对稠密的网格化监测站点,为精细化监管城市空气质量奠定了基础。本文选用徐州市网格化监测数据、地球静止卫星Himawari-8/AHI及COMS/GOCI的表观反射率和气溶胶光学厚度数据、气象和其他辅助数据,开展了徐州地区0.005°空间分辨率网格的PM_2.5浓度精细化制图研究。本文使用了极端梯度提升（XGBoost）、随机森林（RF）及时空加权回归（GTWR）等3种方法,并选用多种特征参数组合进行对比分析。综合分析模型精度和过拟合程度,结果表明XGBoost模型表现最好,其R²为0.90,RMSE为11.65 μg/m³。进一步将本文结果与国控站点、清华大学的TAP数据集和马里兰大学的CHAP数据集的对比分析,结果表明基于网格化站点的PM_2.5制图结果能更好地反映城市内部不同区域的PM_2.5浓度分布差异性,弥补因国控站点稀疏带来的缺陷,更好地服务于城市空气质量精准管控。     

引黄灌区水稻叶面积指数的高光谱估测模型

水稻叶面积指数（leaf area index,LAI）是评价其长势的重要农学参数,高光谱遥感能够实现叶面积指数的快速无损监测。为了寻找反演水稻LAI的最优植被指数,扩展水稻LAI高光谱估测模型的普适性,选取宁夏引黄灌区水稻为研究对象,通过设置不同氮素处理,借助相关分析、回归分析等方法研究高光谱植被指数与水稻LAI之间的定量关系,并通过确立的最优波段组合,构建4种植被指数与水稻LAI的高光谱反演模型。结果表明,水稻LAI在抽穗末期达到最大值,并随氮素水平的增加而增加;水稻冠层原始光谱反射率在400~722 nm和1 990~2 090 nm波段与LAI达到极显著负相关水平,在近红外区域760~1 315 nm与LAI呈极显著正相关。模型检验结果表明,以比值植被指数RVI（_850,750）为变量建立的水稻LAI估测模型最佳,研究结果可为水稻LAI的高光谱估测提供地域参考。