高光谱影像混合像元分解比较研究

遥感混合像元分解,作为一种遥感分类与制图的方法,具有其独特的优势.利用新疆阜康地区的Hyperion遥感影像,在ENVI/IDL软件运行环境下,分别采用沙漏算法,SMACC算法和体积法进行端元提取,并对3种方法进行了比较分析,从中选择符合实际的沙漏算法提取的端元,作为最终端元.在此基础上,分别运用最小二乘法、OSP算法...     

叶面积指数遥感尺度效应与尺度纠正

由于地表空间异质性的普遍存在,遥感反演模型的非线性必然会导致不同分辨率观测的遥感结果不一致,从而产生遥感产品尺度效应。本文研究了遥感产品尺度效应概念、模拟方法和定量计算模型,并利用锡林浩特草原研究区的实测数据,对尺度效应模型和方法进行了定量计算与验证分析。首先,基于不同升尺度方法与多尺度遥感成像机理之间的机理联系,通过“先反演再平均”与“先平均再反演”之间的差异,可计算“高”分辨率与“低”分辨率之间的遥感产品尺度差异。其次,分别以红光、近红外两波段反射率和归一化植被指数(NDVI)为自变量,对叶面积指数(LAI)非线性遥感模型进行泰勒展开,研究了模型非线性、遥感数据空间异质性对LAI遥感产品尺度差异的影响,发现高阶项可忽略,利用二阶导数项和遥感数据方差项可定量计算遥感产品尺度差异,经过二阶导数项纠正后的尺度差异相对偏差从5.6%分别降低到0.78%和1.45%。最后,分析了LAI遥感产品尺度效应的特征规律,得出以下结论:随着植被覆盖的增大,同等遥感空间异质性的LAI遥感产品尺度差异越大,且红光波段比近红外波段的尺度差异敏感性高近2个数量级;对于绝大部分陆地植被区域,存在“低分辨率低估”尺度效应,且遥感产品尺度差异的主导要素为LAI模型非线性,NDVI变量自身非线性对尺度效应贡献占23.5%;对于湿地类植被与水体混合情形,NDVI变量非线性的贡献为主导贡献,出现“低分辨率高估”尺度效应,必须利用红光、近红外两波段的二阶导数项非线性尺度差异,才能解释这一类型的LAI遥感产品尺度效应。本文建立了具有一定普适意义的遥感产品尺度效应定量模拟与尺度纠正方法,对推动定量遥感的尺度问题研究有一定参考价值。     

像元二分模型在MODIS水陆混合像元分解中的适用性研究

遥感数据是地表水监测的重要数据源,用较低空间分辨率的遥感影像探测地表水范围时,混合像元问题常使水陆边界的提取不够准确。有必要对水陆混合像元进行分解,估算混合像元中水体所占百分比,从而为亚像元级别的水域边界制图奠定基础。借助像元二分模型的概念对水陆混合像元进行分解,验证该类模型的适用性。首先,以中分辨率成像光谱仪影像为数据源,分别基于归一化水体指数(normalized difference water index, NDWI)和改进的归一化水体指数(modified normalized difference water index, MNDWI)建立像元二分模型,对云南省高原湖泊进行水域提取及边界混合像元分解;然后,用同期更高空间分辨率的Landsat数据对提取结果进行验证。结果表明,像元二分模型在对水陆混合像元的分解中具有较好的适用性,其中,基于NDWI的像元二分模型精度略高于基于MNDWI的模型。     

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%。     

顾及混合像元分解的遥感图像光谱模拟

基于尺度下降理论,利用高时间分辨率的MODIS遥感影像数据,结合同时间段高空间分辨率的ETM+遥感影像及其分类数据,应用混合像元分解技术,获得了不同时间段的MODIS子像元类别反射率数据。通过类别反射率与像元反射率间的关系模型,以原有的ETM+影像的像元反射率和时间序列的类别反射率,模拟出具有高时间分辨率与高空间分辨率特征不同时间段的模拟影像,实现了遥感影像地物类别反射率在时间上和空间上的细化。通过计算模拟影像与真实影像的相关系数,以及比较模拟影像与真实影像生成的NDVI影像,验证了该方法的有效性。     

元胞自动机的遥感影像混合像元分类

通过对元胞自动机理论的研究,提出元胞自动机的遥感影像混合像元分解模型。利用多波段遥感数据验证混合像元分解算法的可行性,并将结果与线性分解模型进行比较。结果表明,元胞自动机混合像元分解模型在分解的准确性方面,明显优于一般线性模型的精度。最后,将分类结果与传统的监督分类算法比较,得出元胞自动机的混合像元分解模型明显优于监督分类精度的结论。     

应用神经网络模型分解AVHRR混合像元

在大面积农作物遥感估产中,应用气象卫星数据估算种植面积一直是一个难点。已有的混合像元分解法要么实际操作困难,要么不适用于ＡＶＨＲＲ数据。该文在前人研究的基础上提出了一种新的方法──应用ＡＶＨＲＲ混合像元神经网络分解模型估算种植面积。这种方法综合利用了ＴＭ数据与ＮＯＡＡ数据各自的优势,具有较好的科学性和经济可行性。     

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。     

遥感尺度内涵及遥感像元尺度效应分析的改进分形方法

本文首先分析了遥感影像尺度的三层次内涵。重点针对遥感像元尺度,分析了遥感像元尺度效应及其分形机理,由于现有分形方法没有考虑影像本身尺度(空间分辨率),造成尺度间分形维数的比较时像元尺度效应变化难以有效反映,本文针对此问题提出了基于表面积的加窗分形布朗运动和加窗双层地毯两种改进分形方法。为验证改进分形方法的可靠性,采用了不同像元尺度下系列监督分类进行验证。试验结果表明,每种地物的分维数都随着空间分辨率的降低或像元尺度的缩小,呈总体下降趋势,在某些特征尺度上会出现预示着某些地物结构的拐点,这些拐点对观测该区域地物具有一定指示意义。系列监督分类精度也一定程度上证明了以上两种改进分形方法在分析尺度效应中的可行性。因此本文的方法对于分析遥感像元尺度效应和探索地物尺度聚合规律具有一定的理论意义。     

两种普适性尺度转换方法比较与分析研究

着重阐述了地表空间信息尺度转换的必要性和方法.首先从尺度转换成因分析入手,介绍了两种普适性的尺度转换模型,即泰勒级数展开模型和计算几何模型,并对这两个模型的适用性进行了分析.借助叶面积指数的反演,针对林地、农田、水体3种不同下垫面的试验样区进行了模型的分析比较.结果表明,在拥有小尺度(高分辨率)数据时,泰勒级数模型能够很好的刻画尺度效应,使得尺度效应改正后的相对误差小于1%,获取更为准确的地表参数反演值.遥感尺度转换方法、技术为获取不同尺度的地学信息,为资源调查和环境灾害监测等相关领域的应用提供真实可靠的多尺度数据支持.     

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。     

半椭球形树冠对冠层间隙率与聚集度指数的影响研究

作为森林冠层结构的重要组成部分,树冠形状对冠层间隙率与聚集度指数的计算有重要影响。之前的研究通常将树冠假设为圆锥形、圆柱形、圆锥+圆柱形等形状计算了冠层间隙率与聚集度指数。然而,树冠生长受外部环境以及内部顶端优势等因素的影响,相较于上述理想化的树冠形状,半椭球形更符合树冠自然生长规律。事实上,半椭球形是一种十分常见的树冠形状。本文以树冠在空间呈泊松分布为前提,推导出半椭球形树冠的冠层间隙率与聚集度指数计算公式,并进一步扩展到双半椭球形树冠。同时,以半椭球形树冠为计算基准,对比分析了半椭球形树冠与其他树冠形状冠层间隙率与聚集度指数的相对差异。模拟计算中主要输入参数包括树冠密度、树冠高度、树冠半径以及叶面积指数等。最后通过虚拟场景对结果进行验证。结果表明：（1）半椭球形树冠与其他树冠形状的冠层间隙率有较大差异。随着观测天顶角增加,不同树冠形状与半椭球形树冠的冠层间隙率的相对差异也逐渐增大。当观测天顶角为70°时,圆锥形树冠与半椭球形树冠的冠层间隙率相对差异已接近100%。（2）树冠形状对聚集度指数同样有较明显影响。极端情况下,圆锥形树冠与半椭球形树冠的聚集度指数相对差异达到30%。（3）半椭球形树冠与其他树冠形状的半球空间聚集度指数期望值的差异不容忽视。     

激光雷达和点云切片算法结合的森林有效叶面积指数估算

叶面积指数(LAI)是定量模拟和刻画植被冠层结构、生理过程以及研究森林生态系统碳水循环中物质和能量交换的重要生物物理参数之一。定量分析林冠元素的3维空间分布是准确估算森林叶面积指数的重要基础和关键步骤。本文利用地面激光雷达扫描系统(TLS),获取了不同树种、密度、年龄和空间分布的森林3维点云数据,利用"径向半球点云切片"和"点云法向量重建"算法分别计算森林的角度孔隙率和消光系数,进而得到森林冠层的有效叶面积指数。通过与利用传统光学仪器得到的结果比较发现:单站半球式激光雷达扫描得到森林样方尺度的结果与LAI-2200和数字半球摄影观测所得结果的相关性分别为R2=0.7084(N=9,p0.01)和0.7409(N=14,p0.01)。通过角度分辨率(LBA)和角度孔隙率(AGF)的敏感性分析,建议径向半球切片算法的角度分辨率应参考中心单站TLS半球式扫描所设置的采样间距。本文所采用的径向半球切片算法可以有效地利用单站半球式扫描所获取的3维点云进行森林冠层有效叶面积指数的定量估算。     

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。     

地面LiDAR数据模拟及单木LAI反演

地面激光雷达Li DAR可以快速获取高精度、高密度的点云数据,在植被结构参数获取方面的应用越来越广泛。为了定量分析地面激光雷达点云数据获取单木结构参数的能力和精度,本文提出利用光线跟踪结合植被真实结构模拟地面3维激光扫描仪的单木点云数据(以RIEGL VZ-1000为例),并结合间隙率模型反演单木叶面积指数LAI。在点云模拟过程中,充分考虑了脉冲特性,包括光斑大小、波束发射角以及回波探测强度。重点分析了光斑大小和最小探测强度对LAI反演的影响,并采用根河实测单木数据进行了验证。结果表明,光斑大小和最小探测强度的设定对于LAI反演结果存在很大影响,该结论对于提高地面激光雷达点云数据反演植被结构参数精度具有重要意义。     

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。     

叶面积指数间接测量方法

叶面积指数是对地遥感的关键参数。间接测量法快速高效,已广泛应用于叶面积指数的地面测量和遥感验证中,服务于众多行业和领域,表现为论文被引数远远大于发文数。从理论基础、代表算法、测量仪器、影响因素几个方面全面总结了叶面积指数间接测量方法的发展和现状,指出聚集/尺度效应、叶倾角分布、木质组分、地形效应是影响测量精度的关键因素,针对这些影响因素对未来发展方向进行了展望。     

异质性地表的叶面积指数反演的不确定性分析

叶面积指数(Leaf Area Index)可用来反映作物的生长状况,常作为主要指标应用于农作物估产。本文研究遥感中常见的混合像元问题对LAI反演所带来的不确定性问题。研究的混合像元由两种情况构成,一种是由不同长势的作物所构成的混合像元,另一种情况是由不同端元形成的混合像元。结果表明,不同长势形成的混合像元对LAI的准确反演影响不大;不同组分形成的混合像元对LAI反演影响很大。从验证的角度讲,地面实测点的LAI数据不能代表一定分辨率区域的LAI的值,对于像元LAI的验证要注意正确获得像元的LAI。