星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数

通过对地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)波形数据进行高斯分解,提取精确的波形特征信息,计算出GLAS波形数据激光穿透指数(LPI),基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法,建立了GLAS数据反演森林LAI的模型(R2=0.84,RMSE=0.64),并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证,结果表明,该模型没有过度拟合,具有很好的泛化能力,最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演,用25个实测LAI对反演精度进行了验证,研究表明反演LAI与实测值较为接近,精度较高(R2=0.76,RMSE=0.69),为生态环境研究提供精确的输入参数,为GLAS数据大区域高精度LAI反演提供新的方法和思路.     

基于地基激光雷达与Landsat8影像的玉米LAI反演

光学遥感影像可以快速提取大面积玉米冠层信息,但无法提供冠层垂直结构信息,导致反演玉米叶面积指数(LAI)时存在无法表达植被冠层内部叶片贡献而使反演LAI偏低的问题;地基激光雷达能够获取玉米冠层的高精度三维结构信息,但是每次只能在有限样区内获取。结合这两种技术的优势,利用将激光雷达数据体素化的方式,通过冠层分析法提取高精度的冠层结构信息;利用Landsat8光学影像获得大面积玉米冠层反射率,与得到的冠层结构信息进行回归分析,从而反演得到大面积的玉米冠层精确LAI结果。研究结果表明,归一化植被指数(NDVI)与激光点云计算的LAI相关性最强,相关系数R2=0.8086,均方根误差(RMSE)为0.1230,比值值被指数(RVI)相关性最差,R2=0.7079,RMSE为0.1520,通过实测值验证分析,三种模型的平均相对误差均小于10%,模型的可信度较高。     

利用可见/近红外光谱测定小麦叶面积指数的改进研究

改进了小麦叶面积指数的可见/近红外光谱测定模型。以不同方法实现了小麦冠层反射光谱的预处理,并采用偏最小二乘回归算法（PLS）建立小麦叶面积指数估测模型对其进行比较分析,发现小波除噪结合一阶导数能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.849与0.835。为进一步优化模型,对经一阶导数结合小波除噪后的光谱采用主成分分析法（PCA）降维,以前4个主成分（含原始光谱84.867%特征信息）为输入变量,采用小二乘支撑向量机回归算法（LS-SVR）建立了小麦叶面积指数估测模型,其校正集与预测集R2分别达0.905与0.883,具有比PLS算法更高的精度。结果表明:以小波除噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型精度是可行的,且LS-SVR是建模的优选方法。     

基于数据分割与主成分分析的LAI遥感估算

针对叶面积指数(LAI)经典统计反演模型存在估算效果不理想以及反演效率低等问题,提出了一种基于农学物候的数据分割与主成分分析结合的遥感估算方法.综合了原始光谱和微分(或差分)光谱主成分信息作为自变量,融入了以农学物候为先验的数据分割思想,并引入了多尺度建模方式参与反演过程.以冬小麦为实验对象,进行数值模拟和比较分析.结...     

基于Sentinel数据的滇池湖滨湿地地上生物量反演

为了评估基于Sentine 1/2影像数据反演滇池湖滨带湿地森林地上生物量(AGB)的效果和能力,以Sentinel-1 A/B(SAR)和Sentinel-2 A/B(多光谱)卫星图像为数据源,获取SAR双极化后向散射系数、多光谱波段、植被指数和林冠生物物理变量等因子,利用线性回归和机器学习算法,建立了多个滇池湖滨湿地生物量反演模型。所有模型与滇池湖滨湿地样地地上生物量的相关性为0.619~0.84,均方根误差(RMSE)范围为40.14~59.7 t/ha,其中基于SAR的模型反演精确度最低;在多光谱波段中,红色和红边(波段4,5和7)与生物量有很好的相关性;叶面积指数(LAI)模型是生物量反演的最佳变量组合(r=0.84,RMSE=40.14);基于Sentine 1/2影像数据反演滇池湖滨带湿地地上生物量具有可行性。     

基于高光谱数据的叶面积指数遥感反演

文中耦合叶片辐射传输模型（PROSPECT）和冠层辐射传输模型（SAILH）,基于高光谱载荷通道设置,模拟高光谱冠层反射率数据;利用模拟数据深入分析了不同植被指数与叶面积指数之间的敏感性;通过敏感性分析发现改进型叶绿素吸收植被指数（MCARI2）具备抗土壤背景因素的影响能力,而且对叶面积指数较为敏感,因此该研究建立植被指数MCARI2 与叶面积指数之间的经验统计模型,并用于高光谱数据进行叶面积指数反演;最后利用飞行同步测量的叶面积指数对反演模型进行精度分析。结果表明:相比实测叶面积指数,文中建立的反演模型约低估0.42,该反演模型能够较好的反映出地物真实叶面积指数。     

泰勒多项式逼近实现DOG小波变换

总结了模拟集成电路和VLSI电路硬件实现连续小波变换(CWT)的常用方法:时域法和频域法.针对频域法中带通滤波器组设计的难以实现问题,提出利用泰勒多项式(Taylor-series)对DOG小波函数进行展开,以获取该小波函数的逼近函数,而后构建DOG小波变换逼近函数的系统模型,仿真结果验证了这种方法对于DOG小波的可行性.     

最小二乘支持向量机用于时间序列叶面积指数预测

遥感反演的叶面积指数（LAI）时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI 数据存在缺失。支持向量机（SVM）是一种有效的数据分类和回归预测工具,而最小二乘支持向量机（LS-SVM）是对SVM 的有效改进。以西藏那曲县为例,使用2003-2011 年MODIS LAI 产品,分别用LS-SVM 和SVM 两种方法对研究区域2011 年LAI 时间序列进行预测,并用MODIS 原始LAI 以及部分地面实验样点值进行验证。结果表明,基于LS-SVM 的LAI 时间序列预测算法的精度比基于SVM 的算法高,从而证明LS-SVM 方法能够弥补遥感反演时间序列LAI 数据的缺失问题,对提高时间序列的LAI 遥感产品质量具有重要意义。     

导数同步荧光光谱结合遗传优化算法测定鸭蛋蛋清中庆大霉素含量

为实现鸭蛋蛋清中庆大霉素(GM)残留含量的快速测定与检测模型精度的提高,应用遗传算法(GA)筛选导数同步荧光光谱特征波长,用遗传-支持向量回归(GA-SVR)建立鸭蛋蛋清中GM残留含量的预测模型。首先分析了样本的三维同步荧光光谱和确定了本实验研究的波长差Δλ为120nm;然后利用sym5小波的2层分解对一阶导数同步荧光光谱进行去噪处理,并利用GA筛选出了14个荧光特征波长;最后利用GA优化了SVR的径向基核函数(RBF)参数(c,g,p),进而比较了GA-SVR、PLS和MLR 3种预测模型的预测能力,研究表明,以GA-SVR模型的预测能力最强,其预测集的决定系数(R2)和均方根误差(RMSEP)分别为0.983 0和1.149 4mg/L。实验结果表明,GA能有效筛选出鸭蛋蛋清中GM的荧光特征波长和提高GA-SVR模型预测精度。     

基于植被供水指数的旱区土壤湿度反演方法研究

植被供水指数(VSWI)是进行干旱研究的有效指标,是进行区域土壤湿度反演的重要方法。利用MODIS数据,提取归一化植被指数(NDVI)、修正的土壤调整植被指数(MSAVI)、增强型植被指数(EVI)和地表温度(Ts)等参数,建立植被供水指数、基于MSAVI的植被供水指数(VSWI-M)、基于EVI的植被供水指数(VSWI-E),并对比三种指数反演土壤湿度的效果;在此基础上,建立分区域、基于NDVI阈值的混合植被供水指数(MVSWI)模型,利用20 cm土壤墒情实测数据对模型进行检验,RE,RMSE误差结果显示,MVSWI模型具有较好的精度,可以用来估算土壤湿度。     

Relief-F筛选波段的小麦白粉病早期诊断研究

为了准确监测小麦白粉病染病早期病情,给喷药防治提供技术指导,论文将染病初期的小麦叶片作为研究对象。首先,利用高光谱图像数据,通过图像特征分割出叶片区域和病斑区域,定量计算病情严重度;其次引入Relief-F算法提取染病早期最敏感波段和波段差,计算出白粉病病害指数PMDI （Powdery mildew disease index）;并通过分析病情指数DI （Disease index）与11种植被指数（含PMDI指数）的相关性及线性模型,得出PMDI模型有最高的决定系数（R2=0.839 9）和最低的均方根误差（RMSE=4.522 0）,效果优于其他病害植被指数的结果（其中,Normalized Difference Vegetation Index,NDVI的模型决定系数最高,R2=0.777 1,RMSE=5.336 4）;最后,选择PMDI和NDVI植被指数分别构建小麦白粉病染病早期病情严重度的支持向量回归模型。结果表明:经敏感波段筛选构建的PMDI指数的预测结果更好,预测模型的R2=0.886 3,RMSE=3.553 2,可以实现小麦白粉病早期无损诊断,这为指导作物病害喷药防治提供重要的技术支撑。     

玉米粗纤维含量高光谱估算模型研究

以不同品种玉米叶片、茎、穗和叶鞘的室内光谱反射率及对应的粗纤维含量为数据源,通过相关性分析发现原始光谱以及一阶导数光谱粗纤维含量光谱诊断的敏感波段分别位于近红外波段的1924nm和2370nm;线性与非线性拟合分析表明以2370nm处的一阶导数光谱所构建的线性模型相对其它模型最优,模型RMSE=3.538,由此模型得到的粗纤维含量理论值与实测值之间极显著相关,相关系数r=0.693.     

基于Sentinel-1/2遥感数据的冬小麦覆盖地表土壤水分协同反演

冬小麦是我国重要粮食作物之一,对冬小麦覆盖地表土壤水分进行监测有助于解决因土壤供水导致的冬小麦歉收和农业用水浪费等问题。为了降低冬小麦覆盖地表土壤水分微波遥感反演过程中冬小麦对雷达后向散射系数的影响,该文基于Sentinel-1携带的合成孔径雷达(SAR)数据和Sentinel-2携带的多光谱成像仪(MSI)数据,结合水云模型,开展冬小麦覆盖地表土壤水分协同反演研究。首先,基于MSI数据,该文定义了一种新的植被指数,即融合植被指数(FVI),用于冬小麦含水量反演;然后,该文发展了一种基于主被动遥感数据的冬小麦覆盖地表土壤水分反演半经验模型,校正冬小麦在土壤水分反演过程中对雷达后向散射系数的影响;最后,以河南省某地冬小麦农田为研究区域,开展归一化水体指数(NDWI)和FVI两种指数与VV, VH, VV/VH 3种极化组合而成的6种反演方式下的土壤水分反演对比实验。结果表明:以FVI为植被指数,能够更好地去除冬小麦在土壤水分反演过程中对雷达后向散射系数的影响;6种反演方式中,FVI与VV/VH组合下的反演效果最优,其决定系数为0.7642,均方根误差为0.0209 cm3/cm3,平均绝对误差为0.0174 cm3/cm3,展示了该文所提土壤水分反演模型的研究价值和应用潜力。     

Spectral Components Analysis: A Bridge between Spectral Observations and Agrometeorological Crop Models

Spectral observations have been acknowledged to indicate general plant conditions over large areas but have yet to be exploited in connection with agrometeorological crop models. One reason is that it is not yet appreciated how periodic spectral observations of row-cropped and natural plant canopies, as expressed by vegetation indices (VI), can provide information on important crop model parameters, such as leaf area index (LAI) and absorbed photosynthetically active radiation (APAR). Two experiments were conducted under AgRISTARS sponsorship, one with cotton and one with spring wheat, specifically to determine the relationships for each term in the " spectral components analysis" identity begin{equation*} LAI/VI times APAR/LAI = APAR/VI.end{equation*} LAI and APAR could, indeed, be well estimated from vegetation indices such as normalized difference(ND) and perpendicular vegetation index (PVI)?apparently because of the close relation between the VI and amount of photosynthetically active tissue in the canopy. APAR and VI measurements are similarly affected by solar zenith angle (SZA), and LAI can be divided by cos SZA at the time of the VI and APAR measurements to achieve correspondence. APAR, ND, and PVI plotted against LAI all asymptote to limiting values in the same way yield does as LAI exceeds 5, further linking canopy development to yield capability. In summary, the spectral components analysis results presented add credence to the information conveyed by spectral canopy observations about plant development and yield, and establish a bridge between remote observations and agrometeorological crop modeling through the variables of mutual concern, LAI, biomass, and yield.     

Algorithm for global leaf area index retrieval using satellite imagery

Leaf area index (LAI) is one of the most important Earth surface parameters in modeling ecosystems and their interaction with climate. Based on a geometrical optical model (Four-Scale) and LAI algorithms previously derived for Canada-wide applications, this paper presents a new algorithm for the global retrieval of LAI where the bidirectional reflectance distribution function (BRDF) is considered explicitly in the algorithm and hence removing the need of doing BRDF corrections and normalizations to the input images. The core problem of integrating BRDF into the LAI algorithm is that nonlinear BRDF kernels that are used to relate spectral reflectances to LAI are also LAI dependent, and no analytical solution is found to derive directly LAI from reflectance data. This problem is solved through developing a simple iteration procedure. The relationships between LAI and reflectances of various spectral bands (red, near infrared, and shortwave infrared) are simulated with Four-Scale with a multiple scattering scheme. Based on the model simulations, the key coefficients in the BRDF kernels are fitted with Chebyshev polynomials of the second kind. Spectral indices - the simple ratio and the reduced simple ratio - are used to effectively combine the spectral bands for LAI retrieval. Example regional and global LAI maps are produced. Accuracy assessment on a Canada-wide LAI map is made in comparison with a previously validated 1998 LAI map and ground measurements made in seven Landsat scenes.     

用于高光谱图像分类的归一化光谱指数的构建与应用

成像高光谱的近地田间应用为农业定量遥感的发展提供了新的契机。如何发挥其图谱合一的数据优势,尤其在解析土壤、阴影等背景地物对作物养分反演模型的影响需要关注。该研究借助可见/近红外成像高光仪,在近地田间采集小麦群体的成像立方体,根据影像中光照裸土、阴影裸土、光照叶片和阴影叶片的反射光谱特征建立了归一化光谱分类指数,并应用该指数提取大豆影像中不同类型地物的光谱,分析了背景土壤剔除前后的大豆植被归一化光谱与叶绿素密度的决定系数变化情况。结果表明:土壤和阴影叶片光谱去除后,反演叶绿素密度的敏感波段由红-近红外区间（727 nm,922 nm）向蓝、绿,尤其是红波段（710 nm,711 nm）移动。对叶绿素密度敏感的波段区间表现为可见光增加,近红外减少,且红边波段决定系数最高。由此说明,基于归一化光谱指数的植被光谱提纯对定量遥感反演研究具有重要意义。     

基于高分一号与Radarsat-2的鄱阳湖湿地植被叶面积指数反演

叶面积指数(LAI)是衡量湿地生态系统健康状况的重要指标.根据鄱阳湖湿地植被生长密集、LAI动态范围大的特点,针对雷达数据的复杂散射机制,利用Freeman-Durden极化分解技术,定义了一种雷达植被指数,并考虑光学植被指数的饱和性,尝试将光学植被指数和雷达植被指数相结合,构建融合植被指数来估算植被LAI.通过实测数据和理论模型模拟数据与LAI的相关性分析,表明融合植被指数能有效地提高与LAI的相关性.利用融合植被指数、光学植被指数、雷达植被指数与LAI构建最佳拟合模型得出:光学微波融合植被指数能更准确地估算鄱阳湖湿地植被LAI.