基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下，以吉林省德惠市夏家点镇为研究区，探讨了一条基于TM遥感影像反演得到的归一化植被指数(NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径，并利用NDVI以及LAI对该区2000年和2001年的水稻生长状况进行了分析研究。     

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.     

Vegetation图像植被指数与实测水稻叶面积指数的关系

水稻的叶面积指数 (LAI)是水稻生长的一项重要参数 ,与水稻的生物量与产量直接相关。利用 1999年在江苏省江宁县实测的水稻叶面积指数与同期Vegetation/SPOT的植被指数作了对比分析 ,结果发现同期的LAI与植被指数表现相近的变化特征 ,两者具有良好的相关关系。     

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。     

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。     

NDVI与气候因子关系在不同时间尺度上的结果差异

植被指数是反映地表植被覆盖状况的重要参数,分析气候因子与植被指数间的相互关系有助于揭示气候变化对植被的影响,然而当前研究有两种分析植被指数与气候因子关系的方法,分别为分析植被指数与生长季内和生长季间气候因子的关系,然而这两种法差异如何,何种方法更为合适需要进一步分析。利用2000年—2009年生长季的MODIS的归一化植被指数NDVI(Normalized Difference Vegetation Index)数据集和藏北那曲地区3个气象站逐月气象资料(月平均气温、≥0℃活动积温和月降水量),分析比较了生长季内和生长季间气候因子对植被生长影响的差异,并分析了两种方法的优劣。结果表明:(1)生长季内植被NDVI与同期气温和降水量均呈高度正相关,生长季内时滞时间尺度为1个月时,植被NDVI对月平均气温及降水响应均最为强烈。(2)生长季间NDVI与同期降水量相关性并不明显,气候因子的滞后效应在生长季间也较弱。(3)生长季内和生长季间植被NDVI与气候因子的关系所得出的结论有一定差异性,可能是因为两方面的原因:生长季内植被NDVI与水热因子的高相关性与中国季风季候造成的高温多雨出现在夏季有关,而生长季内高水热条件与高植被指数对应的多年重复必然造伪的高相关系数,但这种相关性不一定能真实反映植被与水热条件的关系,而生长季间水热等气候因子与植被指数年际变化相关性分析不存在水热与高植被指数同期问题,更能真实反映气候因子年际变化对植被的影响。     

基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例

叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演。研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.719 3和0.393 6;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.900 8和0.273 2。基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考。     

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。     

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。     

遥感估算水稻产量——Ⅰ.产量与辐射截获量间关系的研究

以往,根据遥感资料估算作物产量,多数用的是经验方法。本文提出了一种具有生物学基础的水稻估产模式。该模式包括两项基础性的工作。(1)利用Baerema在澳大利亚新南威尔士州的Riveri-na地区,在水稻整个生长季中获得的三个水稻品种、两种播种方式(空播和拖拉机播)共6组实测的叶面积指数值LAI,通过LAI与积温间关系的分析,得到一条规一化的LAI曲线,称叶面积指数轨线(LAI trajectory)(2)根据太阳辐射在植冠层内的传输理论,利用实测的水稻叶角分布和常规日射资料,用模拟计算的方法,得到水稻冠层对光合有效辐射PAR日截获率IPAR_d与LAI间的关系。并用实测资料对此作了检验,结果表明模拟计算结果是可取的。由此,我们只要知道了水稻扬花前不久某一天的LAI,利用上述两项基本关系及当地的辐射、温度资料,便可推算植冠层从扬花到生理成熟期间对光合有效辐射的截获总量TIPAR,进而再假定水稻的灌浆直接取决于对PAR的总截获量TIPAR,根据水稻籽粒产量与光能截获间的转换效率,便能估算水稻产量。     

水稻生长期微波介电特性研究

利用植被介电常数的Debye-Cole双频色散模型，模拟计算了广东肇庆水稻试验区1996年晚稻和1997年早稻人插秧期、发蘖期、扬花期到成熟期各生长期的介电常数值，并根据计算结果，探讨了电磁波频率、水稻含水量、温度、含盐度及水稻冠层干体密度对介电常数的影响。其中，不同生长期水稻的介电常数各不相同，不同水稻类型（早稻和晚稻），介电常数的变化趋势不尽相同。电磁波频率、水稻含水量、温度和水稻冠层干体密度均对介电常数有不同程度的影响，而含盐度却对介电常数影响不大。     

ASAR数据与水稻作物模型同化制作水稻产量分布图

提出了利用雷达数据进行水稻估产的技术方法,并以ASAR数据为例,探讨了雷达数据在水稻估产中的可行性.首先利用ASAR数据进行水稻制图,从各时相ASAR数据中提取水稻后向散射系数.随后,基于像元尺度,采用同化方法,以LAI为结合点,将水稻作物模型ORYZA2000与半经验水稻后向散射模型结合,建立嵌套模型模拟水稻后向散射系数.选择水稻出苗期和播种密度为参数优化对象,利用全局优化算法SCE-UA对0RYZA2000模型重新初始化,使模拟的水稻后向散射系数值与实测值误差最小,并由优化后的ORYZA2000模型计算每个像元的水稻产量,生成水稻产量分布图.结果表明,水稻产量分布图能够描绘研究区水稻实际产量的分布趋势,但由于采用潜在生长条件模拟,模拟的水稻平均产量比实测平均值高约13%,验证点的水稻产量模拟值与实测值相对误差为11.2%.由于半经验水稻后向散射模型存在对LAI变化不够敏感和对水层的简化处理,增加了水稻估产的误差.但从总体上看,利用该方法进行区域水稻估产是可行的,并为多云多雨地区的水稻遥感监测提供了重要参考.     

水稻时域后向散射特性分析：雷达卫星观测与模型模拟结果对比

利用已有的微波后向散射模型模拟计算了水稻的雷达后向散射特性，分析了一个生长周期内水稻冠层与微波电磁波的相互作用。重点分析植物物理参数对其后向散射特征的影响及其随极化而变化的规律。以及这些特征在整个水稻生长周期中的变化规律。输入后向散射模型的数据包括通过田间测量获取的水稻物理参数。在地面测量的同时或准同时获取了中国广东肇庆试验区的多时相雷达卫星（RADARSAT）遥感图像。雷达卫星观测结果和后向散射模型模拟计算结果的比较分析表明：在水稻的生长过程中，水稻的后向散射特征随其物理参数的周期性变化而变化，并且在不同的极化状态具有不同的变化规律。这从理论上预示了多时相多极化雷达遥感技术进行水稻长势监测的潜力。     

水稻单产遥感估测建模研究

本文系统扼要地总结了统计、气象、农学和光谱等估产模型,以及水稻遥感估产农学机理等主要研究结果,并在建立的多种估产模型中,重点介绍了具有应用前景的光谱估产与水稻生长模拟估产的复合模型。     

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。     

Application of ENVISAT ASAR Data in Mapping Rice Crop Growth in Southern China

This research letter presents preliminary results of mapping rice crop growth using ENVISAT advanced synthetic aperture radar (ASAR) alternating polarization HH/HV data. Four ASAR HH/HV images were collected in the early rice-growth cycle in the test site in 2006, and the temporal response of ASAR data to the rice field was analyzed. The height and biomass of rice were measured during acquisition of ASAR data, and empirical relationships were established between the backscattering coefficient and these two parameters. Based on the temporal variation of the radar response, a method for mapping a rice growth area was developed using the combination of ASAR HH and HV polarization data between two acquisition dates. The results confirm that C-band SAR data have great potential in the development of an operational system for monitoring rice crop growth in Southern China.     

Multiple forecasts of kharif rice in orissa state-four year experience of fasal pilot study

Considering the requirement of multiple pre-harvest crop forecasts, the concept of Forecasting Agricultural output using Space, Agrometeorology and Land based observations (FASAL) has been formulated. Development of procedure and demonstration of this technique for four in-season forecasts for kharif rice has been carried out as a pilot study in Orissa State since 1998. As the availability of cloud-free optical remote sensing data during kharif season is very poor for Orissa state, multi-date RADARSAT SCANSAR data were used for acreage estimation of kharif rice. Meteorological models have been developed for early assessment of acreage and prediction of yield at mid and late crop growth season. Four in-season forecasts were made during four kharif seasons (1998-2001); the first forecast of zone level rice acreage at the beginning of kharif crop season using meteorological models, second forecast of district level acreage at mid growth season using two-date RADARSAT SCANSAR data and yield using meteorological models, third forecast at late growth season of district level acreage using three-date RADARSAT SCANSAR data and yield using meteorological models and revised forecast incorporating field observations at maturity. The results of multiple forecasts have shown rice acreage estimation and yield prediction with deviation up to 14 and 11 per cent respectively. This study has demonstrated the potential of FASAL concept to provide inseason multiple forecasts using data of remote sensing, meteorology and land based observations.     

构建时空融合模型进行水稻遥感识别

传统变化检测手段进行水稻遥感识别受"云污染"和影像间配准误差导致的变化检测误差累积及"椒盐"现象的影响,水稻遥感识别精度低。本文提出时空融合模型(Temporal-Spatial-Fusion Model,TSFM)进行水稻遥感识别,旨在综合像元在时间、空间维度上的信息定义像元的水稻时空归属度,根据时空归属度划分阈值提取水稻。实验结果表明:在不同窗口尺度下,TSFM在整体和"云污染"区域对水稻提取均达到了较高精度。当窗口尺度为3×3时,水稻提取的用户精度、制图精度和总体精度分别达到93.4%、83.5%和87.9%。在不同窗口尺度下水稻提取的用户精度、制图精度、总体精度均高于分类后比较PCC(Post-Classification Comparison)和多数投票法(Majority Voting,MV);在"云污染"区域,水稻识别总体精度均在92.0%以上,水稻制图精度比PCC、MV分别至少提高了14.0%、7.6%。有效地解决了传统变化检测作物遥感识别存在的误差累积问题,在一定程度上避免了"云污染"和"椒盐"现象对识别结果的影响。另外,初步探讨了TSFM水稻提取精度与景观特征关系,发现在景观规整区域适宜采用较小的窗口,在破碎区域适宜采用较大的窗口。该方法的成功实施,为大范围开展秋粮作物遥感识别,消除"云"影响进行了前期实验探讨。     

模拟酸雨对水稻叶片反射光谱特性影响的初步研究

本文研究了模拟酸雨对水稻叶片反射光谱特性的影响。结果表明：模拟酸雨会引起水稻叶片反射光谱的可见光区和中红外区的反射率升高，近红外区的反射率降低，相应的反射率比值也随之变化，一阶和二阶微分光谱蓝移，且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关。这一结果也表明遥感技术监测酸雨污染作物是可行的。     

多时相MODIS影像水田信息提取研究

水稻种植及其分布信息是土地覆被变化、作物估产、甲烷排放、粮食安全和水资源管理分析的重要数据源。基于遥感的水田利用监测中,通常采用时序NDVI植被指数法和影像分类法分别进行AVHRR和TM影像的水田信息获取。针对8天合成MODIS陆地表面反射比数据的特点和水稻生长特征,选取水稻种植前的休耕期、秧苗移植期、秧苗生长期和成熟期等多时相MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较敏感的短波红外波段计算得到的陆表水指数进行水田信息获取。将提取结果与基于ETM＋影像的国土资源调查水田数据,通过网格化计算处理并进行对比分析,结果表明,利用MODIS影像的8天合成地表反射率数据,进行区域甚至全国的水田利用监测是可行的。