地中电偶极源极低频电磁场的分布与传播特征

利用层状大地中偶极源响应的正演算法, 计算地中电偶极源激发的极低频地震电磁场并分析其在地球环境下的传播特征.设计了多个水平层状地球模型, 分别模拟和展示了深埋地中的电偶极源的响应和空间分布特征.重点分析了含地壳波导+LAI波导模型的高阻大地中, 倾斜电偶极源激励响应随观测点的偏移距和垂直位置、激励源深度、地壳波导结构和参数变化时各场量响应的幅频特征.研究表明, 用倾斜电偶极源模拟和分析高阻大地中孕震电磁辐射的响应及在大地电磁系统中的传播特性是可行的; 模拟的高阻大地中的电磁辐射在地壳波导和LAI波导中均表现有慢衰减或幅值增强特性, 但两个波导效应具有不同的频率选择性; 高阻大地中的电磁辐射在波导的高阻介质中具有幅值强、衰减慢的特点.建议在高阻地层出露的地表、井中或海底的高阻岩层中以及大气层中布设测站.

     

2003—2019年邯郸市叶面积指数时空变化特征

研究和掌握叶面积指数(LAI)时空变化特征,对区域植被保护、植树造林和环境保护具有重要的参考意义.本文以邯郸市为例,基于MCD15A3H遥感影像数据、DEM数据和土地利用等多元数据,引入Sen趋势与Mann-Kendall趋势检验分析方法,系统分析了邯郸市像素尺度上的LAI数值的变化特征,并基于不同的土地利用类型、不同...     

基于NDVI先验知识的LAI地面采样方法

针对非均质中低分辨率像元的叶面积指数LAI验证中如何布设基本采样单元ESU的问题,提出基于NDVI先验知识的ESU布设方法,并采用不同植被类型、不同均匀程度的地表作为模拟场,分析对比了方法的精度及稳定性。结果显示,本文方法用NDVI先验知识描述植被的生长空间分布信息,能相对准确地划分植被的不同生长水平,有效降低层内方差。在草地和森林地区的试验中,精度与稳定性均优于传统的随机采样、均匀采样和基于分类图的3种采样方法。因此,本文提出的采样方法为大尺度非均质区域LAI地面验证的采样方案提供了新的设计思路。     

Retrieval of wheat leaf area index from AWiFS multispectral data using canopy radiative transfer simulation

Accurate representation of leaf area index (LAI) from high resolution satellite observations is obligatory for various modelling exercises and predicting the precise farm productivity. Present study compared the two retrieval approach based on canopy radiative transfer (CRT) method and empirical method using four vegetation indices (VI) (e.g. NDVI, NDWI, RVI and GNDVI) to estimate the wheat LAI. Reflectance observations available at very high (56 m) spatial resolution from Advanced Wide-Field Sensor (AWiFS) sensor onboard Indian Remote Sensing (IRS) P6, Resourcesat-1 satellite was used in this study. This study was performed over two different wheat growing regions, situated in different agro-climatic settings/environments: Trans-Gangetic Plain Region (TGPR) and Central Plateau and Hill Region (CPHR). Forward simulation of canopy reflectances in four AWiFS bands viz. green (0.52–0.59 μm), red (0.62–0.68 μm), NIR (0.77–0.86 μm) and SWIR (1.55–1.70 μm) were carried out to generate the look up table (LUT) using CRT model PROSAIL from all combinations of canopy intrinsic variables. An inversion technique based on minimization of cost function was used to retrieve LAI from LUT and observed AWiFS surface reflectances. Two consecutive wheat growing seasons (November 2005–March 2006 and November 2006–March 2007) datasets were used in this study. The empirical models were developed from first season data and second growing season data used for validation. Among all the models, LAI-NDVI empirical model showed the least RMSE (root mean square error) of 0.54 and 0.51 in both agro-climatic regions respectively. The comparison of PROSAIL retrieved LAI with in situ measurements of 2006–2007 over the two agro-climatic regions produced substantially less RMSE of 0.34 and 0.41 having more R² of 0.91 and 0.95 for TGPR and CPHR respectively in comparison to empirical models. Moreover, CRT retrieved LAI had less value of errors in all the LAI classes contrary to empirical estimates. The PROSAIL based retrieval has potential for operational implementation to determine the regional crop LAI and can be extendible to other regions after rigorous validation exercise.     

叶面积指数(LAI)的遥感定量方法综述

总结了当前遥感定量研究叶面积指数(LAI)的两种主要方法:统计模型法和光学模型法,阐述了各自的机理和研究进展,在此基础上,讨论了两种方法的优缺点及未来的发展趋势。     

Non-destructive estimation of potato leaf chlorophyll from canopy hyperspectral reflectance using the inverted PROSAIL model

Optimizing nitrogen (N) fertilization in crop production by in-season measurements of crop N status may improve fertilizer N use efficiency. Hyperspectral measurements may be used to assess crop N status by estimating leaf chlorophyll content. This study evaluated the ability of the PROSAIL canopy-level reflectance model to predict leaf chlorophyll content. Trials were conducted with two potato cultivars under different N fertility rates (0–300 kg N ha⁻¹). Canopy reflectance, leaf area index (LAI) and leaf chlorophyll and N contents were measured. The PROSAIL model was able to predict leaf chlorophyll content with reasonable accuracy later in the growing season. The low estimation accuracy earlier in the growing season could be due to model sensitivity to non-homogenous canopy architecture and soil background interference before full canopy closure. Canopy chlorophyll content (leaf chlorophyll content × LAI) was predicted less accurately than leaf chlrophyll content due to the low estimation accuracy of LAI for values higher than 4.5.     

基于PROSPECT＋SAIL模型的遥感叶面积指数反演

以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。     

基于植被-土壤二向反射模型的土壤含水量遥感

以北京地区为例，利用像元信息分解法，定量提取出区域植被盖度，由植被盖度得到区域叶面积指数，在只考虑一次散射的情况下，利用植被-土壤二向反射模型，提取出下层湿润土壤反射率。通过引入粗糙度因子建立起粗糙地表下土壤反射率与叶面积指数的函数关系，进而得出土壤含水量。     

中国区域MuSyQ叶面积指数产品验证与分析

对多源遥感数据协同生产的2010年—2015年中国区域1 km空间分辨率5天合成的MuSyQ（Multi-source data Synergized Quantitative remote sensing production system）叶面积指数LAI产品进行验证。参考现有的LAI产品（MODIS c5,GLASS LAI）和中国生态系统研究网络部分农田和森林站点可用的LAI地面测量数据,从时空连续性、时空一致性、精度和准确性等方面对中国区域的MuSyQ LAI产品进行定性和定量分析与评价。结果表明：（1） MuSyQ LAI产品在保证精度优于MODIS产品的情况下,时间分辨率和时空连续性均有提高。MuSyQ LAI与其他LAI产品（MODIS c5,GLASS LAI）在整体上有很好的一致性（RMSE=1.0,RMSE=0.81）,但对常绿阔叶林高值处的描述不稳定;（2） 与LAI地面测量数据相比,MuSyQ LAI产品与地面参考图对比结果较好（最高相关性（R²=0.54）和较低总体误差（RMSE=0.96））,其在阔叶作物生长季高值处有些许低估且在某些阔叶林站点有些高估。整体上,MuSyQ LAI产品呈现出较高的精度,可靠的空间分布和连续稳定的时间分布,且对森林LAI的描述具有更可靠的动态范围。     

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。