GF-6影像下的南方路域针叶植被LAI反演研究

为了更好应用国产高分辨率遥感影像监测评价南方路域植被环境,研究南方路域针叶植被叶面积指数遥感反演.该文以长益高速研究区域的高分六号影像(GF-6)为基础,提出了可适用于针叶叶片的LIBERTY+ SAIL耦合模型并结合多元线性回归、局部加权回归反演路域植被针叶LAI的方法.研究中以耦合模型模拟的冠层光谱反射率、GF-6影像和野外实测生化参数为数据源,通过相关性分析,将与LAI相关性较高的SAVI、RVI和EVI 3种植被指数作为反演因子,结合组合模型反演LAI并评定模型的反演精度.结果 表明,耦合模型对南方路域针叶植被LAI的估算精度整体较高,对比分析两种叶面积指数的组合预测模型,耦合模型结合局部加权回归组合反演LAI具有优越性,可更好地反演路域植被针叶LAI.     

基于神经网络的LAI遥感反演影响因素分析

基于BP神经网络和植被冠层辐射传输模型PROSAIL对LAI进行反演,针对BP神经网络中网络结构设计的关键问题,从网络隐含层层数、隐含层节点数和学习速率等3个方面进行分析与讨论,确定了最佳的BP网络结构,取得了较好的反演结果。     

基于TM的辐射传输模型反演叶面积指数可行性研究

基于PROSAIL辐射传输模型，引入土壤反射指数SRI来简化模型，提出直接从反射率计算SRI的方法；  同时，针对不同的植被状况，采取不同波段组合对模型的参数进行敏感性分析，确定自由参数与反演波段组合，提出一种基于不同植被状况的叶面积指数反演策略； 最后，应用遗传算法对模拟的TM光谱反射数据进行实验。结果表明，对于LAI＜3的植被，反演精度较高； 但是对于LAI＞3的植被，反演精度较低，其原因主要是冠层反射对LAI不再敏感。因此，辐射传输模型反演LAI有一定适用范围，只有在此范围内LAI的反演精度才可靠。     

面向LAI 反演的参数化SAILH 模型

建立了一种基于植被冠层辐射传输模型SAILH 的参数化模型。该模型首先对SAILH 模型中用到的9 个 中间变量的计算过程进行简化, 然后用一个明确的表达式计算光照冠层的单次散射贡献。分别用模拟数据和2008 年黑河地区星-机-地同步实验中获取的地面测量数据对该参数化模型的反演精度和效率进行了评价。评价结果表明 该参数化模型能在保证反演精度的基础上极大的提高反演效率; 利用模拟数据进行的模型稳定性评价表明, 参数 化模型的稳定性优于SAILH 模型。     

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。     

植被叶面积指数估算的红边指数建模分析

针对在路域环境监测中,如何精确估算叶面积指数问题,该文提出以长韶娄高速路域为研究区,筛选出4种常用植被指数和4种红边指数两类指数,分别构建了经验模型和机器学习的反演模型,利用Sentinel-2影像数据和同步的LAI-2000地面实测数据完成路域植被叶面积指数反演。结果表明,红边波段参与运算的植被指数与植被叶面积指数敏感性是显著相关,红边指数在反演精度上更优。由此可知,相较于常见植被指数,红边指数增强了其与叶面积指数的敏感性,提高了叶面积指数估算模型精度。     

基于新型机载多角度传感器AMTIS的LAI反演

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(LAI)反演实验研究,并用实地LAI数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。     

人工神经网络模型反演植被生物量参数

该文利用 1988年小麦生长期中生物量参数和微波 (10 2GHz)主被动遥感实测数据 ,作为输入输出I/O矢量对 ,训练人工神经网络为参数反演模型。然后用 1989年小麦生长期中微波主被动遥感实测数据和该神经网络模型 ,来反演其生物量参数在整个 1989年生长期中的变化。反演结果与遥感实测结果作了很好的比较     

基于森林模型参数先验知识估算高分辨率叶面积指数

目前,估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明：在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

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。     

森林地上生物量遥感反演方法综述

森林地上生物量反演对理解和监测生态系统及评估人类生产生活的影响有着重要作用,日益发展的遥感技术使全球及大区域的生物量估算成为可能。近年来,不同的遥感技术和反演方法被广泛用于估算森林生物量。本文首先总结了现有的全球及区域生物量产品及其不确定性,然后综述了3类方法在森林地上生物量遥感反演中的应用,即基于单源数据的参数化方法、基于多源数据的非参数化方法和基于机理模型的反演方法,阐述了各类反演方法的特点、优势及局限性。最后从机理模型研究、多源遥感数据协同、生物量季节变化研究和遥感数据源不断丰富4个方面对今后的生物量遥感反演研究进行了展望。     

水稻冠层氮素含量光谱反演的随机森林算法及区域应用

利用地面实测数据构建高精度的水稻冠层氮素含量光谱反演点模型并将其进行尺度转换,实现了水稻冠层氮素含量准实时、大区域监测。以氮素光谱敏感指数作为输入变量,冠层氮素含量数据为输出变量,利用随机森林算法构建水稻冠层氮素含量高光谱反演模型,并用苏州市水稻农田验证区数据,检验模型的普适性和有效性;利用准同步的Hyperion数据,采用对输入、输出变量进行线性变换的简单尺度转换方法实现了点模型的区域应用。结果表明:基于随机森林算法的水稻冠层氮素含量高光谱反演模型可解释、所需样本少、不会过拟合、精度高(模型在实验区的预测精度为R2=0.82,验证区检验精度为R2=0.73)且具有普适性;点模型基于高光谱遥感卫星影像和尺度转换进行区域应用,精度较高(R2=0.81)。     

基于SPOT5遥感影像的城市森林叶面积指数反演

本文以上海城市森林为研究对象,采用地面实验与遥感技术相结合方法,开展SPOT5遥感影像在估测城市森林LAI中的应用研究。结果表明,地面实测LAI与三种植被指数均具有很好的线性回归关系,相关系数(r)均大于0.6,其中MSAVI的相关系数最高(r=0.66),其次为MCARI(r=0.64)和NDVI(r=0.62)。说明ND-VI仍受到背景等因素不同程度的影响,而植被指数MSAVI和MCARI,由于能进一步消除土壤背景和叶绿素的影响,对叶面积指数比较敏感,能更好地与叶面积指数建立关系,能更好地用于城市森林叶面积指数的遥感反演。本研究可为快速定量评估城市森林的结构和功能提供依据。     

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.     

Estimation of forest LAI by inverting canopy reflectance models and multi-angle imagery

Computer simulation models have seldom been applied for estimating the structural and biophysical variables of forest canopy. In this study, an approach for the estimation of leaf area index (LAI) using the information contained in hyperspectral, multi-angle images and the inversion of a computer simulation model are explored. For this purpose, L-systems combined with forest growth model ZELIG were applied to render 3-D forest architectural scenarios. The Radiosity-graphics combined model (RGM) was used to estimate forest LAI from the Compact High-Resolution Imaging Spectrometer/Project for On-Board Autonomy (CHRIS/PROBA) data. LAI inversion was performed using the look-up table (LUT) method. The estimated LAI was evaluated against in situ LAI measurement and compared against the LAI predictions from CHRIS data obtained using the Li-Strahler geometric-optical canopy reflectance model (GOMS). The results indicated that the method used in this study can be efficient strategy to estimate LAI by RGM model inversion.     

南方典型植被遥感丰度信息提取

针对遥感影像在南方丘陵地区典型植被丰度信息提取中存在的大量混合像元问题,为进一步提高线性解混精度,通过计算像元EVI值,构建了Landsat 8时间序列影像南方典型植被（端元）和混合像元的EVI时间序列曲线,分析了不同生育期内各种地物类型的植被指数变化曲线,发现不同地物在植被指数时间序列中具有各自独立的波动规律。选取多个端元及其EVI时间序列曲线,利用光谱匹配方法对匹配EVI时间序列曲线和多个端元进行了匹配,达到利用不同端元组合进行光谱解混的目的。试验结果表明,与传统方法相比,阔叶林解混精度有明显提高,针叶林解混精度也有所提高。该研究成果可以为南方丘陵地区植被环境的研究提供有力支撑。