植被光能利用率遥感估算

光能利用率表征植被通过光合作用将所截获/吸收的能量转化为有机碳的效率,是遥感估算植被生产力的关键参数.由于植被分布和气候环境的综合影响,光能利用率表现出显著的空间异质性和时间动态性,光能利用率的不确定性成为后续生产力模型估算精度不高的重要原因.本文以Fluxnet全球通量站点数据和MODIS LAI/fPAR产品为数据...     

基于光能利用率模型的玉米遥感估产研究

农作物长势监测和产量预测对于国家制定相关粮食政策、农业发展等都具有重要的意义,如何获得高效、宏观、精确的估产方法一直是学者关注的重点问题。以吉林省德惠市的玉米作为研究对象,利用光能利用率模型对玉米进行产量估算的研究,并且使用空间数据插值方法中的反距离权重法获得了每月平均温度数据的格网数据。通过玉米的净初级生产力NPP的累计值以及玉米的收获指数来获得最终的玉米产量值,利用验证点实测产量值与估算值的相关性和相对误差进行精度验证,相关系数R^2为0.649 9,平均相对误差值为1.676%,证明基于光能利用率模型的玉米估产在研究区具有一定的可行性。     

植被生物量高光谱遥感监测研究进展

植被生物量的评估对于研究全球碳循环具有重大意义,而高光谱遥感技术为精确反演地表属性提供了重要的数据支持。针对如何更好地应用高光谱遥感技术进行植被生物量精确反演的问题,该文详细阐述了国内外应用高光谱技术估测植被生物量的研究进展。对反演植被生物量所涉及的数据源、反演模型的构建方法及其模型特点、反演模型应用对象等内容进行了综合评述,并通过分析认为,高光谱遥感技术较传统的多光谱遥感技术在生物量反演精度上有了显著的提高。同时,对建模方法、多源遥感数据融合以及模型通用性等方面的研究进行了展望,以达到在大尺度范围内对植被生物量进行准确反演的目的。     

冠层光能利用率的叶绿素荧光光谱探测

设计了玉米生长期日变化试验,同步获取玉米冠层光谱和通量观测数据,探究从植被发射荧光光谱角度实现植被光能利用率可靠反演的可能性。运用涡度相关法获取群体生态系统净生产力(NEP),通过呼吸作用拟合得到冠层总初级生产力(GPP);在此基础上结合吸收光合有效辐射(APAR)获取冠层光能利用率(LUE);同时,利用叶绿素荧光光谱分离算法,提取了光合作用叶绿素荧光绝对强度和相对强度。结论表明,植被发射荧光光谱与光合有效辐射(PAR)显著正相关,760nm波段荧光与PAR的复相关系数R2在0.99以上;叶绿素荧光绝对强度与NEP和GPP显著正相关,荧光和NEP对环境日变化具有类似的响应特征;688nm和760nm植被发射的叶绿素荧光相对强度与LUEGPP存在可靠负相关关系,即叶绿素荧光强度越大,光能利用率越低。同时,通过比较几种植被指数与各种光合参量的相关性表明,叶绿素荧光能够更好的跟踪植被光合状态的变化,更适宜于植被光能利用率的探测。     

高光谱遥感城市植被识别方法研究

传统的植被状况调查方式费时、费力,并且更新困难,而高光谱遥感数据图谱合一,能够更精细、准确地进行遥感地物识别和分类,因此采用Hyperion高光谱数据来研究地物混合严重并且呈零星碎片状的城市植被。利用混合像元分解思想改进Gram-Schmidt融合算法,将Hyperion高光谱和ALI全色波段进行融合,提高光谱数据的空间分辨率,来解决城市植被像元混合严重和分布过于零散破碎难题,进而提高植被识别精度。为了避免高光谱植被识别陷入维数灾难,采用主成分分析对融合后的高光谱数据进行数据降维。最后,在地面光谱成像仪获取的纯净像元光谱信息辅助下,选取训练样本进行最小距离分类,完成植被类型识别,总体精度达到84.9%。     

光谱先验知识在植被结构遥感反演中的应用

针对绿色植被反射光谱的特点，指出植被反射光谱曲线的相对位置关系可以作为先验知识应用到对植被结构的反演中，提出了在绿光、红光和近红外波段重新构造光谱参数，并利用波段差值和比值描述光谱先验知识进而反演树冠结构参数的方法。经大量的模拟反演及统计分析表明，相对于各波段单独反演再对结构参数平均的方法，该方法的抗噪声能力 得到了明显的增强。对实测反射率数据的反演发现，引入光谱先验知识后的结果更为接近测量值。     

从高光谱遥感影像提取植被信息

遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。     

湿地植被成象光谱遥感研究

该文论述了成象光谱信息在鄱阳湖湿地进行植被光谱识别分类与生物量制图的部分研究结果，研究如何从高光谱分析图象上有效地定量提取植被生长物理参量以及湿植被类型识别，包括（１）基地多高度大气订正后的反射率图像获取；（２）导数光谱分析与生物量制图；（３）基于光谱波形匹配的湿地植被分类，识别。     

路域植被叶绿素多光谱遥感定量反演研究

叶绿素是植被光合作用的主要物质,准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱,以TM影像为数据源,分析物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性,研究利用多光谱信息定量反演路域植被叶绿素含量的可行性。研究结果表明,植被光谱反射率与叶绿素含量之间有较强的相关性;利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性。该研究成果为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。     

植被高光谱遥感分类中训练样本的选择方法

针对植被高光谱遥感分类过程中参考光谱训练样本的选择问题，研究分类过程中常用训练样本的选择方法，并在此基础上提出2种新的训练样本选择（纯化）方法，然后结合具体的OMIS-I高光谱遥感数据，验证方法的有效性。     

近海岸悬浮泥沙遥感反演模型的分析探讨

简要介绍了国内外近海岸悬浮泥沙定量化遥感反演的研究进展及悬浮泥沙遥感反演模型的建立方法,通过对国内外近年研究的部分悬浮泥沙遥感反演模型进行简单分类、对比分析得出其优缺点,并针对部分悬浮泥沙遥感反演模型的不足和目前遥感技术在悬浮泥沙定量反演中的应用提出了一些肤浅见解。     

植被生化组分的遥感反演方法研究

从反演物理模型提取植被生化组分含量的角度 ,分别在叶片和冠层水平探讨了反演生化参量的方法。在叶片水平 ,利用实验室测量光谱数据 ,较为准确地提取了水分和叶绿素含量 ,通过比较真实光谱数据与利用模型和真实参数模拟的光谱数据 ,得出如下结论 :模型能否准确描述某个参数的作用是能否真正准确反演该参数的关键。在模拟的冠层水平 ,基于多阶段反演思想 ,采用了分步反演策略 ,最终较为准确地反演了生化参数。     

线性正则化遥感反演中正则化参数的确定方法

研究了线性正则化反演中正则化参数的确定方法,提出了以香农熵减最大化为条件的正则化参数确定方法——最大熵法,并以具体遥感反演实例,和常规正则化参数确定方法比较,证明了最大熵法在观测数据误差不大的情况下有明显优势,在观测数据误差方差大、而先验知识精度较高时也显示优势。     

基于高光谱卫星遥感数据的UPDM分析方法

提出了一种用于处理多/高光谱卫星数据的UPDM分析方法。研究结果证明,该方法应用于Land sat/TM(ETM+)、Terra/MODIS和ADEOS II/GLI等高光谱卫星传感器时,光谱重构均方根误差小于0.029,适用于研究高光谱卫星遥感数据。     

利用遥感影像进行植被分布分析

植被是生态环境的重要组成要素,它与一定的地形条件相适应。本文以吴起县遥感影像及地形数据为基础,集成使用RS,GPS及GIS技术,以NDVI植被指数计算为核心完成了植被覆盖度的动态监测及分析,植被群落已基本恢复成能与环境相适应的稳定群落,封禁效果基本稳定,林地面积、植被覆盖度等指标明显上升。植被覆盖度面积逐年增加,部分地区还出现了较为明显的逆转现象,整个研究区的生态环境呈现良性发展态势。     

遥感反演中不确定性信息处理的一种数学方法

在遥感反演中对先验知识的表达和应用方法是多阶段目标反演中急需解决的关键问题。论述一种在遥感反演中处理不确定性信息的一种数学方法 ,引入未确知有理数和盲数的概念和运算方法 ,定量计算反演参数在可能取值区间上反演前后的可信度及其改变量。为遥感反演中先验知识的积累、更新和应用提供定量的方法依据。     

基于遥感技术的土地利用／覆被变化研究

遥感技术是研究土地利用/覆被变化状况的重要手段之一,目前该技术已有一套较成熟的研究方法,本文从遥感数据选择、图像预处理方法、土地利用/覆被变化遥感分类、土地利用/覆被变化动态信息提取等方面对土地利用/覆被变化遥感动态监测技术进行了系统的论述,最后指出多信息源、综合的信息处理机制将是土地利用/覆被变化遥感动态监测技术发展的必然方向。     

非线性不适定遥感反演中正则化参数的定量确定

以地表和大气参数一体化反演为例,以香农熵减表达反演过程中的信息利用,在一定的合理假设下,推出了非线性不适定反演问题中正则化参数(先验信息比)在迭代过程中的定量确定方法。本文方法在保持反演稳定性的前提下,最大限度地利用观测数据中的信息,提高了目标参数的反演精度。