玉米叶面积指数的CHRIS/PROBA数据反演分析

叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R²达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。     

基于SEVI的复杂地形山区植被FPAR遥感反演与地形效应评估

植物吸收性光合有效辐射分量（FPAR）的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响（包括本影与落影）。本文利用能够消除地形阴影影响的阴影消除植被指数（SEVI）对山区遥感影像进行FPAR反演,并分别与基于不同影像预处理程度计算的归一化植被指数（NDVI）、比值型植被指数（RVI）反演的FPAR做对比分析,以评估复杂山区反演FPAR存在的地形效应。结果表明：在不做地形校正的情况下,基于NDVI与RVI反演FPAR会使得本影及落影区域的值远小于非阴影区域的值,它们的相对误差均大于70%;基于C校正后的NDVI与RVI反演FPAR可以较好地校正本影区域,相对误差降至约6.974%,但落影处的校正效果不明显,相对误差约为48.133 %;而基于SEVI反演FPAR无需DEM数据的支持,可以达到经FLAASH+C组合校正后NDVI与RVI反演FPAR相似的结果,且能改善落影区域的地形校正效果,相对误差降至约2.730%。     

用LAI监测植被信息分析飞蝗生境

东亚飞蝗自20世纪80年代以来在我国再度猖獗危害。本文选择国家一类蝗区河北省黄骅市为实验区,用植被冠层孔隙度反演了该地区不同植被的LAI。从光学模型建立机理及数量分析的角度,分析和对比了四种由植被冠层孔隙度反演LAI的算法。结果表明,在四种估算方法中LAI-2000算法最适用于研究区植被LAI的估算。为了验证分析结果,用实测的植被盖度与四种算法反演的LAI进行了拟合。发现LAI与植被盖度之间呈明显的正相关关系,且LAI-2000算法最能反映研究区的植被特征。在此基础上,建立了LAI与飞蝗发生面积的关系模型,发现两者之间呈负线性相关,即随着LAI的减小,飞蝗的发生面积呈线性增大。研究结果为实时、快速、大面积监测蝗虫种群动态奠定了基础,并为合理、经济地防治蝗灾提供了科学依据。     

对Beer-Lambert定律间接测量森林LAI的误差低估分析

 叶面积指数(Leaf Area Index,LAI)是表征植被冠层结构的核心参数。在地面对LAI的间接测量是遥感反演算法验证和改进的重要手段,而目前基于Beer-Lambert定律的森林LAI地面间接测量方法存在着严重的低估问题。本文通过理论分析,指出Beer-Lambert定律在应用到森林叶面积指数测量时,LAI低估的根本原因来源于叶面积体密度、消光路径及叶倾角投影G函数在空间上的不均匀性,并定量评估了冠层非随机分布对LAI测量结果的影响,发现植被冠层的非随机分布会对LAI的测量带来20％~40%的误差。这一结论,对于Beer-Lambert定律的简单修正应用于森林LAI间接测量时仍存在着较大的局限性,尚未能根本上解决LAI的低估问题,故间接测量LAI的理论和方法需进一步深入研究。     

地形复杂山区常用植被指数的地形校正对比

植被指数能反映地表植被生长、覆盖等情况,常作为反演植物生物物理参量的有效参数。然而,在地形复杂的山区,由于地形效应的影响,导致一些植被指数适用性受限。基于以上现状,本文以贵州省江口县为研究区,采用4种地形校正模型（Teillet-回归模型、Minnaert模型、C模型、SCS+C模型）对常用植被指数（SR、MSR、NDVI、SAVI、MSAVI、EVI）进行地形校正,以评价不同坡度条件下植被指数地形校正效果。结果表明：地形校正对缓解波段比形式的植被指数（SR、MSR、NDVI）地形效应的作用有限,而对非波段比形式的植被指数（SAVI、MSAVI、EVI）效果较好。另外,随着坡度增加,地形效应显著,地形校正效果也更明显：坡度较小时,波段比形式的植被指数无需进行地形校正,而建议非波段比形式的植被指数进行地形校正;坡度较大时,建议2类植被指数都进行地形校正,但非波段比形式的植被指数可能会发生过度校正现象。此外,地形校正后非波段比形式的植被指数与森林地上生物量线性回归模型的精度明显提高。因此,建议在地形复杂山区利用非波段比形式的植被指数进行定量反演时,先进行地形校正。     

基于物理模型训练神经网络的作物叶面积指数遥感反演研究

叶面积指数(LAI)是估算作物生长的关键参数。基于物理模型的LAI反演,被认为是当前最为可靠的方法,但其反演复杂。本文提出了将物理模型和神经网络相结合,从地表反射率反演叶面积指数的算法,利用MOD IS地表反射率和4-scale模型反演作物LAI。(1)利用4-scale模型模拟不同LAI与地表反射率的关系,生成训练数据;(2)利用模型模拟的LAI训练神经网络;(3)以MOD IS地表反射率输入训练后的神经网络,反演LAI。估算的LAI与其他LAI产品进行了比较,结果表明,估算的作物LAI和MOD IS及CYCLOPES LAI产品空间和时间分布一致,均方根误差分别为0.4994和0.6558。以2004年衡水的作物LAI地面观测数据进行了直接验证,估算的LAI与研究区地表植被分布一致,但是,三种卫星LAI产品都小于地表测量,故需针对华北平原浓密作物设计模型参数化方案。     

基于几何光学模型的人工林叶面积指数遥感反演

 MODIS等全球叶面积指数(LAI)产品空间分辨率偏低(250m~7km),不能满足高空间分辨率遥感应用的需求。为获取大区域高空间分辨率LAI,有必要对物理模型用于高空间分辨率遥感影像LAI反演的可行性进行探讨。本文基于4-scale模型LAI反演算法,以甘肃省张掖为研究区,利用TM 影像实现研究区人工林LAI反演。反演算法考虑了反射率入射-观测角度对LAI与植被指数关系的影响和植被冠层尺度的集聚程度。利用地面实测LAI数据对反演结果进行验证与分析,并与NDVI经验模型进行对比,同时分析LAI反演结果对波段反射率敏感性。结果表明: 4-scale模型LAI反演结果与实测LAI一致性良好(R²=0.67,RMSE=0.50),且优于NDVI经验模型(R²=0.59,RMSE=0.67);当LAI大于2时,4-scale模型LAI反演算法误差小于NDVI经验模型,能有效避免植被指数的饱和现象;红光波段反射率减小时,引起4-scale模型LAI反演结果的变化幅度比其增大时更高,且影响程度大于近红外波段反射率。研究表明,4-scale 模型LAI反演算法可用于TM数据反演人工林LAI,模型应用普适性较强。     

基于LTDR AVHRR和MODIS观测的全球长时间序列叶面积指数遥感反演

叶面积指数是描述土壤-植被-大气之间物质和能量交换的关键参数,获取大区域长时间序列叶面积指数有助于研究气候变化条件下植被的响应及反馈。本文利用MODIS观测和经过重新处理的地表长时间数据集（Land Long Term Data Record）LTDR AVHRR数据,生成了全球1981-2012年叶面积指数数据。算法通过建立二者之间像元级关系,利用高质量MODIS观测约束历史AVHRR数据的反演,这有助于减小2种存在显著差别传感器反演结果的不一致性,也有助于提高AVHRR反演质量。首先算法利用高质量MODIS地表反射率反演2000-2012年叶面积指数,然后利用多年每8 d的LTDR AVHRR地表反射率数据计算简单比植被指数（Simple Ratio,SR）,利用SR平均值和MODIS LAI平均值建立像元级AVHRR SR-MODIS LAI关系。在此基础上,实现1981-1999年AVHRR LAI反演,最终得到全球1981-2012年叶面积指数数据。本算法反演的AVHRR和MODIS LAI与全球植被的空间分布吻合,能表征主要生物群系类型的季节变化特征,2个数据集一致性较好,并且与NASA MODIS LAI标准产品（MOD15A2）的空间分布和季节变化曲线吻合较好。     

基于Landsat TM6的林区温度反演研究

主要研究利用Landsat TM6热红外波段遥感数据定量反演林地温度的方法与可行性.首先计算了研究区的比值植被指数(RVI),然后利用单窗算法开展林地温度反演,建立起了林地温度与比值植被指数之间的相关关系.研究结果表明:利用单窗算法反演的林地温度精度较高;林地温度与比值植被指数(RVI)之间存在着密切的负相关关系,林地温度与林冠变化之间关系十分密切.     

基于分形理论的地形复杂性量化方法

地形的复杂性是地表崩塌、山体滑坡、泥石流等自然灾害的主要影响因素之一,近年来对地形复杂性的定量研究十分活跃,分形方法是其中主要的研究方法之一,但是目前的研究大多以沟壑分形、等高线分形、元分形等为主,难以对区域地形的整体复杂性进行定量描述;利用基于相对高差的地形分形研究方法,对三个形状和面积基本一致,地形起伏特征各不相同的区域,以相同的网度兼顾特殊地形位置布设样品点,统计样品点及其相对高差信息,并进行分形分析,分析结果表明,样品点的相对高差信息基本包含了其所在区域的地形特征信息,地形的相对高差信息服从分形分布,其分维值的变化趋势与地形复杂性相反,由此提出将其分维值的倒数定义为地形复杂性指数,地形复杂性指数的变化趋势与地形复杂性一致,它很好地拟合了地形的实际特征,定量地刻划了地形的复杂程度。     

叶面积指数遥感反演研究进展与展望

叶面积指数表征叶片的疏密程度和冠层结构特征,体现植被光合、呼吸和蒸腾作用等生物物理过程的能力,是描述土壤-植被-大气之间物质和能量交换的关键参数。目前多种卫星传感器观测生成了多个区域和全球的叶面积指数标准产品。本文综述了基于光学遥感数据的叶面积指数反演进展:首先,介绍了叶面积指数的定义和在生态系统模拟中的作用;然后,阐述了基于光学遥感反演叶面积指数的基本原理;在此基础上,论述了基于植被指数经验关系和基于物理模型的两种主要遥感反演算法,讨论了2种算法的优点和存在的问题,并总结了现有的主要全球数据产品及其特点,论述了产品检验的方法和需要注意的问题;最后,总结了当前叶面积指数反演中存在的问题,并展望了其发展趋势和研究方向。     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

Comparative Analysis of Fractional Vegetation Cover Estimation Based on Multi-sensor Data in a Semi-arid Sandy Area

The estimation of fractional vegetation cover(FVC) is important for identifying and monitoring desertification, especially in arid and semiarid regions. By using regression and pixel dichotomy models, we present the comparison of Sentinel-2A(S2) multispectral instrument(MSI) and Landsat 8(L8) operational land imager(OLI) data regarding the retrieval of FVC in a semi-arid sandy area(Mu Us Sandland, China, in August 2016). A combination of unmanned aerial vehicle(UAV) high-spatial-resolution images and field plots were used to produce verified data. Based on a normalized difference vegetation index(NDVI) regression model, the results showed that, compared with that of L8, the coefficient of determination(R2) of S2 increased by 26.0%, and the root mean square error(RMSE) and the sum of absolute error(SAE) decreased by 3.0% and 11.4%, respectively. For the ratio vegetation index(RVI) regression model, compared with that of L8, the R2 of S2 increased by 26.0%, and the RMSE and SAE decreased by 8.0% and 20.0%, respectively. When the pixel dichotomy model was used, compared with that of L8, the RMSE of S2 decreased by 21.3%, and the SAE decreased by 26.9%. Overall, S2 performed better than L8 in terms of FVC inversion. Additionally, in this paper, we develop a verified scheme based on UAV data in combination with the object-based classification method. This scheme is feasible and sufficiently robust for building relationships between field data and inversion results from satellite data. Further, the synergy of multi-source sensors(especially UAVs and satellites) is a potential effective way to estimate and evaluate regional ecological environmental parameters(FVC).     

森林过火区植被遥感参数的变化与恢复特征分析

遥感技术可以快速、准确地监测森林火灾火烧迹地的植被遥感参数变化,分析植被对火灾的响应与恢复特征,为防灾减灾决策提供科学依据。本文首先基于森林火灾前后的Landsat5 TM数据,利用差分归一化燃烧指数（the Differential Normalized Burn Ratio,dNBR）来提取2009年澳大利亚维多利亚州火烧迹地的范围,计算过火区面积及火烧强度;其次基于时间序列的全球地表特征参量（Global Land Surface Satellite,GLASS）产品中的叶面积指数（Leaf Area Index,LAI）、吸收光合有效辐射比例（Fraction of Absorbed Photosynthetically Active Radiation,FAPAR）数据,利用距平分析法对比不同火烧强度过火区植被与未过火区植被受森林火灾的影响状况与植被恢复特征。结果表明,森林火灾发生后,LAI、FAPAR值迅速降低,火烧强度越大,LAI、FAPAR下降程度越大,高火烧强度过火区的LAI、FAPAR最大降幅分别为中火烧强度、低火烧强度过火区的1.2、1.3倍;随时间推移,LAI、FAPAR值逐渐上升,在2-3年内恢复至未过火区水平。LAI、FAPAR恢复至未过火区平均水平的时间与森林火灾规模、火烧强度密切相关：维多利亚州森林火灾过火区域中大过火斑块、高火烧强度林地的植被遥感参数恢复时间相比小过火斑块、低火烧强度林地滞后1-2年。植被遥感参数LAI、FAPAR能很好地反映过火区植被的受损状况及恢复过程。     

Examining Forest Net Primary Productivity Dynamics and Driving Forces in Northeastern China During 1982–2010

Forest net primary productivity （NPP） is a key parameter for forest monitoring and management. In this study, monthly and annual forest NPP in the northeastern China from 1982 to 2010 were simulated by using Carnegie-Ames-Stanford Approach （CASA） model with normalized difference vegetation index （NDVI） sequences derived from Advanced Very High Resolution Radiometer （AVHRR） Global Invento y Modeling and Mapping Studies （GIMMS） and Terra Moderate Resolution Imaging Spectroradiometer （MODIS） products. To address the problem of data inconsistency between AVHRR and MODIS data, a per-pixel unary linear regres- sion model based on least ~;quares method was developed to derive the monthly NDVI sequences. Results suggest that estimated forest NPP has mean relative error of 18.97% compared to observed NPP from forest inventory. Forest NPP in the northeastern China in- creased significantly during the twenty-nine years. The results of seasonal dynamic show that more clear increasing trend of forest NPP occurred in spring and awmnn. This study also examined the relationship between forest NPP and its driving forces including the climatic and anthropogenic factors. In spring and winter, temperature played the most pivotal role in forest NPR In autumn, precipitation acted as the most importanl factor affecting forest NPP, while solar radiation played the most important role in the summer. Evaportran- spiration had a close correlation with NPP for coniferous forest, mixed coniferous broadleaved forest, and broadleaved deciduous forest. Spatially, forest NPP in the Da Hinggan Mountains was more sensitive to climatic changes than in the other ecological functional re- gions. In addition to climalie change, the degradation and improvement of forests had important effects on forest NPP. Results in this study are helpful for understanding the regional carbon sequestration and can enrich the cases for the monitoring of vegetation during long time series.     

2001-2017年中国不同耕作区重建MODIS LAI时空动态

叶面积指数Leaf Area Index(LAI)作为植被生物量指标之一,耕作区LAI不仅能反映作物的长势动态,且与农业生态、作物产量密切相关.本文通过对2001-2017年中国农田区域的MODIS-LAI长时序数据进行重建,利用Mann-Kendall检验、变异系数、重心迁移模型等方法分析了中国耕作区LAI的时空变化...