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。     

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。     

基于反射峰面积的水体叶绿素遥感反演模拟研究

叶绿素浓度是水体富营养化状态的重要指标,也是水色遥感反演的水质参数之一。水体中叶绿素浓度的遥感反演主要是建立实测光谱和实测水质参数二者之间的关系模型,利用遥感影像进行叶绿素浓度的信息提取。传统的叶绿素浓度遥感反演受区域性和季节性的影响,反演精度不高,而且反演模型不具普适性,需对叶绿素光谱特征进行分析,建立高精度的反演模型。本文采用Hydrolight数据模拟了不同叶绿素浓度(1~200 µg·L^-1)的水体在可见光近红外的反射波谱曲线,通过分析叶绿素的光谱特征选取了特征波段或波段组合,并建立了叶绿素浓度反演模型。研究表明,除反射峰波长模型外,反射峰面积模型、三波段模型、红光线高度模型等均能较好地反演叶绿素浓度。在不同叶绿素反演模型中,除红光线模型外,最优的是反射峰面积模型,其决定系数为0.9689,反演误差为25.25 µg·L^-1;其次是三波段模型,其决定系数为0.9637,反演误差为10.66 µg·L^-1。究其原因,三波段模型考虑了水体中非色素悬浮物、黄色物质及水体后向散射对叶绿素浓度反演造成的影响;反射峰面积模型除此之外还综合考虑了叶绿素散射效率的影响。     

Topographic correction-based retrieval of leaf area index in mountain areas

Leaf Area Index(LAI)is a key parameter in vegetation analysis and management,especially for mountain areas.The accurate retrieval of LAI based on remote sensing data is very necessary.In a study at the Dayekou forest center in Heihe watershed of Gansu Province,we determined the LAI based on topographic corrections of a SPOT-5.The large variation in the mountain terrain required preprocessing of the SPOT-5 image,except when orthorectification, radiation calibration and atmospheric correction were used.These required acquisition of surface reflectance and several vegetation indexes and linkage to field measured LAI values.Statistical regression models were used to link LAI and vegetation indexes.The quadratic polynomial model between LAI and SAVI (L=0.35)was determined as the optimal model considering the R and R2 value.A second group of LAI data were reserved to validate the retrieval result.The model was applied to create a distribution map of LAI in the area.Comparison with an uncorrected SPOT-5 image showed that topographic correction is necessary for determination of LAI in mountain areas.     

南方红壤侵蚀区长汀县不同生态恢复年限下芒萁叶绿素含量的高光谱估算模型

芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI₇₀₅）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI_603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R²均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R²值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。     

WorldView-2近红外光谱波段反演马尾松植被信息的比较研究

WorldView-2卫星自2009年发射至今,已为用户提供了大量高性能的影像产品。与众多高分辨率卫星影像不同,WorldView-2有2个近红外波段,即近红外1(Near-infrared1,NIR1)和近红外2(Near-infrared2,NIR2),但目前这2个波段在应用上的区别并不清楚。因此,本文以福建省长汀县河田地区的马尾松林为例,采用NIR1和NIR2这2个近红外波段分别构建了3种植被指数(NDVI、ARVI和NDMVI),以探索二者在植被信息反演方面的差异。结果表明,NIR1构建的植被指数在马尾松林提取精度上高于NIR2,并具有更丰富的植被信息量。经统计可知,NIR1所构建的植被指数信息量比NIR2分别大8.0%(NDVI)、12.3%(ARVI)和7.3%(NDMVI);在反演植被覆盖度方面,NIR1也比NIR2具有更高的精度,其模拟的植被覆盖度与实际植被覆盖度的拟合度更高,误差更小。NIR1和NIR2所表现出的差异是因为马尾松在这2个近红外波段的光谱反射不同,其反射在NIR1的波长范围内达到最强,而在NIR2的波长范围内则出现了小幅下降。     

真实和有效叶面积指数及聚集指数的尺度效应

尺度效应是地球科学和定量遥感中的重要研究课题,目前的许多研究大多集中在估算尺度效应带来的误差,而对一些关键的植被结构参数是否存在尺度效应及其尺度转换方法尚存在诸多不同见解。本文针对真实和有效叶面积指数（Leaf Area Index, LAI和Effective LAI, LAI_e）以及聚集指数（Clumping Index, CI）3个植被关键结构参数,从基本概念和获取方法上分析参数的尺度效应及其尺度转换方法。从定义上看,LAI并不存在尺度效应,而LAI_e和CI则存在尺度效应,其中CI的尺度效应由LAIe引入（CI=LAI_e/LAI）。在野外实测中,LAI破坏测量法没有尺度效应,但由孔隙率模型获取3个参数的方法均具有尺度效应。异速生长方程和遥感反演方法的尺度效应取决于方法本身的线性或非线性特征。目前全球主要的LAI、LAI_e和CI遥感产品都基于非线性模型获取,其反演过程具有尺度效应。像元尺度的LAI本身并不具有尺度效应,而像元尺度的LAI_e和CI虽然具有尺度效应,但在实践中常常被忽略。因此,实际工作中应注意区分参数概念本身、野外测量、遥感反演方法以及遥感产品等所展示的不同尺度效应。     

干旱遥感监测方法及其应用发展（可下载全文）

 干旱是世界上影响范围最广和造成社会经济损失最严重的一种自然灾害。本文从干旱遥感监测的不同角度出发,总结了目前干旱遥感监测的主要方法、应用状况及优缺点。主要包括针对裸土地表类型的热惯量法、微波法,针对植被覆盖地表类型的可见光、近红外、短波红外等波段反射率数据的归一化植被指数法、距平指数法、条件植被指数法、归一化差值水分指数、归一化干旱指数、植被供水指数等,以及热红外遥感数据的温度植被干旱指数、温度条件指数、作物缺水指数、水分亏缺指数等。最后,提出了加强干旱遥感监测技术研究的建议,同时指出将可见光和微波相结合的指数模型的研究是干旱遥感监测可能的发展方向。     

高分六号影像在内陆水体叶绿素a反演中的应用潜力分析

GF-6 WFV影像具有宽覆盖、高时空分辨率、高光谱分辨率等特点,目前在农业和林业遥感领域都有一定应用,但是在水质遥感中的应用潜力还缺乏系统的评估。本文以潘家口和大黑汀水库为研究区,采用2019年9月24—25日获取的潘家口和大黑汀水库叶绿素a浓度、实测遥感反射率和准同步GF-6 WFV影像,构建了潘家口和大黑汀水库叶绿素a浓度经验反演模型,探索GF-6 WFV在内陆水体叶绿素a浓度遥感监测中的应用潜力。研究结果表明,基于GF-6 WFV模拟光谱构建的潘家口和大黑汀水库叶绿素a浓度经验模型决定系数均在0.90以上,GF-6 WFV影像在水体叶绿素a遥感监测中具有应用潜力,尤其是新增的黄波段和红边波段1,有助于提高GF-6 WFV影像叶绿素a浓度遥感监测能力;GF-6 WFV影像大气校正误差降低了叶绿素a浓度遥感监测精度,GF-6 WFV影像水体大气校正精度有待改进,以提升GF-6 WFV影像水质遥感监测能力。     

干旱区草原地上植被生物量估算——以乌图美仁大草原芦苇植被为例

草原是干旱区生态系统中重要的可再生资源。本文基于草本植被的结构特征,利用ASAR和TM数据,结合MIMICS模型,提出了一种估算干旱区草原地上植被生物量的方法。该方法将光学遥感数据容易反演的叶面积指数（LAI）作为反演生物量模型的参数之一,并利用LAI成功估算了单位面积内的草本植被密度。将地上生物量作为输入变量代入改进的MIMICS模型,利用查找表方法,计算出地上植被生物量。然后,将该方法应用于乌图美仁草原的地上植被生物量的反演。结果表明,该方法能够成功地反演干旱区草原草本植被地上生物量,精度达到R²=0.8562,RMSD=0.6263。最后,分析了该方法估算植被生物量的误差来源。     

LAI scale effect research based on compact airborne spectrographic imager data in the Heihe Oasis

As one of the key parameters for characterizing crop canopy structure, Leaf Area Index(LAI) has great significance in monitoring the crop growth and estimating the yield. However, due to the nonlinearity and spatial heterogeneity of LAI inversion model, there exists scale error in LAI inversion result, which limits the application of LAI product from different remote sensing data. Therefore, it is necessary to conduct studies on scale effect. This study was based on the Heihe Oasis, Zhangye city, Gansu province, China and the following works were carried out: Airborne hyperspectral CASI(Compact Airborne Spectrographic Imager) image and LAI statistic models were adopted in muti-scale LAI inversion. The overall difference of muti-scale LAI inversion was analyzed in an all-round way. This was based on two aspects, "first inversion and then integration" and "first integration and then inversion", and on scale difference characteristics of three scale transformation methods. The generation mechanism of scale effect was refined, and the optimal LAI inversion model was expanded by Taylor expansion. By doing so, it quantitatively analyzed the contribution of various inversion processes to scale effect. It was found that the cubic polynomial regression model based on NDVI(940.7 nm, 712 nm) was the optimal model, where its coefficient of determination R2 and the correlation coefficient of test samples R reached 0.72 and 0.936, respectively. Combined with Taylor expansion, it analyzed the scale error generated by LAI inversion model. After the scale effect correction of one-dimensional and twodimensional variables, the correlation coefficient of CCD-LAI(China Environment Satellite HJ/CCD images) and CASI-LAI products(Compact Airborne Spectro graphic Imager products) increased from 0.793 to 0.875 and 0.901, respectively. The mean value, standard deviation, and relative true value of the two went consistent. Compared with onedimensional variable correction method, the twodimensional method had a better correction result. This research used the effective information in hyperspectral data as sub-pixels and adopted Taylor expansion to correct the scale error in large-scale and low-resolution LAI product, achieving large-scale and high-precision LAI monitoring.     

NORMALIZED DIFFERENCE SNOW INDEX SIMULATION FOR SNOW-COVER MAPPING IN FOREST BY GEOSAIL MODEL

1INTRODUCTION Snow is an important component of the Earth's surface. Up to 50×106km2(34%) ofthe Earth's land surface is sea- sonally snow-covered (VIKHAMAR and SOLBERG, 2002).Comparedtootherlandcovers,snowcoverextent varies dramatically on very short time scales (hours- months). Its presence affects physical, chemical and bio- logical processes at many spatial scales and has impor- tant social impacts. At the global scale, its high albedo strongly influences the Earth's radiation …     

林下植被遥感反演研究进展

林下植被在森林生态系统碳、水和营养元素的累积和循环方面有着重要作用与科学意义。多角度、高光谱和激光雷达遥感系统凭借对森林分层结构的敏感性,成为量化林下植被的重要手段。本文综述了森林林下植被的遥感反演研究进展：首先讨论了林下植被的定义,其次对当前林下植被的遥感反演现状作了深入分析,总结了多角度、高光谱和激光雷达遥感观测的森林背景的反射率、林下植被的叶面积指数、高度和覆盖度的遥感反演原理和方法。基于不同卫星观测角度下森林冠层和森林背景对总反射的贡献差异,林下反射率可通过多个角度的观测数据进行反演。此外,借助激光雷达穿透冠层直接观测林下植被的优势,总结了激光点云数据和回波波形信息反演林下植被的覆盖度和高度的方法,以及今后使用遥感技术反演的难点和获取林下植被信息的主要发展方向。     

路域植被等效水厚度估算模型研究

植被等效水厚度对路域生态环境的监测评估具有重要意义。本研究以湖南醴潭高速一段为研究对象,以地面实测光谱和等效水厚度以及PRO4SAIL模拟光谱和模拟等效水厚度为数据源,利用PRO4SAIL冠层模型模拟光谱与地面实测光谱建立12种常用水分指数,引入随机森林算法对水分指数与等效水厚度进行重要性分析,得到12种水分指数的重要性排序;利用调整R ²确定建立等效水厚度估算模型中输入水分指数的最佳个数;在优选水分指数基础上,以PRO4SAIL模拟光谱计算得到水分指数和等效水厚度为训练集,分别构建随机森林耦合偏最小二乘（RF-PLS）、随机森林耦合支持向量机（RF-SVM）和随机森林耦合遗传算法优化支持向量机（RF-GA-SVM）等效水估算模型,并用地面实测等效水厚度对估算模型进行精度验证与分析。结果表明：RF-SVM估算模型中输入重要性前9的水分指数（NDWI、NMDI、SRWI、SR、NDII、WI、DWI、MSI、SAVI）时,调整R ²最高,验证集决定系数为0.8877;RF-PLS和RF-GA-SVM估算模型中输入重要性前4的水分指数（NDWI、NMDI、SRWI、SR）时,调整R ²最高,验证集决定系数分别为0.8053、0.8952,其中RF-GA-SVM模型估算等效水厚度效果最佳,其精度满足路域植被等效水厚度监测要求。本文研究成果为等效水厚度估算提供一种有效且精确的方法,同时为发展基于高光谱遥感的路域环境监测提供重要支撑。     

黑臭水体水面阴影提取的自适应阈值算法研究

黑臭水体水面阴影对水面光谱信息产生干扰,严重地影响了利用高空间分辨率遥感数据进行水质状况监测的精度,因此,在数据预处理中必须进行阴影剔除。本研究基于无人机高光谱遥感数据,通过分析各种波段组合下黑臭水体水面的阴影像元和水体像元的光谱特征空间,选择以492、666和792 nm处的反射率建立黑臭水体的河面阴影指数（RSSI）,并利用最大类间方差法（OTSU）自动确定划分本影、半影以及水体的阈值。利用南京金川河和龙江河的无人机高光谱遥感影像对算法进行测试,结果表明：RSSI阴影指数能突出显示阴影与水体的差异;OTSU自适应确定的阈值能较好地区分本影、半影和水体,阴影的总体识别精度达到85%以上。该算法能够有效地识别黑臭水体水面阴影,为后续开展水体的定性、定量遥感监测提供数据预处理的技术支持。     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

基于TAVI的山区毛竹林LAI反演分析

本文采用地形调节植被指数（TAVI）,以RapidEye高分辨率多光谱遥感影像为数据源,对福建省永安市毛竹林山区进行了叶面积指数（LAI）地面实测、遥感建模及反演分析。通过TAVI与归一化植被指数（NDVI）、比值植被指数（RVI）的对比研究,结果表明：（1）毛竹林实测LAI与TAVI、NDVI和RVI线性回归的决定系数（R²）分别为0.6085、0.3156和0.4092,最佳非线性回归的R²分别提高到0.6624、0.5280和0.6497。LAI与NDVI或RVI非线性（U曲线）模型可以很好地解释LAI-VI的散点分布规律,但难以解决LAI-VI间因地形影响导致的“同物异谱”和“异物同谱”问题,因此,在山区大面积推广应用需慎重。（2）通过实测LAI的验证表明,LAI-TAVI回归模型可有效避免因地形影响导致的“同物异谱”和“异物同谱”问题。TAVI具有良好的削减地形影响作用,可用于山区植被LAI的遥感反演。     

湖泊水体叶绿素a含量估算的波段宽度变化影响分析——以太湖为例

为研究不同波段宽度遥感数据对监测水体叶绿素a含量的影响,以太湖水体实测高光谱遥感反射率数据为基础,分析计算不同波段宽度下遥感反射率的归一化值与叶绿素a浓度之间的相关系数。随着波段宽度在75.93nm范围内不断递增,最大相关系数逐渐减小,最大正相关波段向长波方向移动,最大负相关波段向短波方向移动。而波段宽度在31.6nm范围内变化时,最大正相关波段和最大负相关波段都会保持相对稳定。通过对不同波段处相关系数平均值和标准差的对比分析认为,718.77^~34.58nm为叶绿素a遥感监测的最佳波段范围。这将对遥感传感器的波段设置,以及实际水体叶绿素a遥感监测时的波段选择,具有重要的参考价值。     

Study on model for remote sensing estimation of maize yield

ＳＴＵＤＹＯＮＭＯＤＥＬＦＯＲＲＥＭＯＴＥＳＥＮＳＩＮＧＥＳＴＩＭＡＴＩＯＮＯＦＭＡＩＺＥＹＩＥＬＤＬｉｕＺｈａｏｌｉ（刘兆礼）ＨｕａｎｇＴｉｅｑｉｎｇ（黄铁青）ＷａｎＥｎｐｕ（万恩璞）ＺｈａｎｇＹａｎｇｚｈｅｎ（张养贞）ＣｈａｎｇｃｈｕｎＩｎｓｔｉ...