基于数据机理的植被叶面积指数遥感反演研究

定量获取地表植被高精度时序及空间覆盖的叶面积指数（Leaf Area Index, LAI）是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer（MODIS）植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据,发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal（RTLSR）核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot（SAILH）模型进行植被冠层辐射特征的提取,使用Anisotropic Index （ANIX）异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function（BRDF）的辅助特征信息,发展了基于数据机理（Data-Based Mechanistic, DBM）的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知：①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法,可实现模型参数的时序动态更新,改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息,可降低因观测数据几何条件差异所导致的反演结果不确定情况,同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践,可将算法应用于时空尺度的叶面积指数估算,并能够为生态、农业应用提供植被的高精度遥感监测指标。     

联合主被动遥感数据定量评价林下植被对叶面积指数估算的影响

天然森林具有冠层和林下植被(即灌丛、草地)的垂直立体结构,准确、定量地分离林下植被对于改善森林冠层叶面积指数反演精度具有重要的科学意义和实用价值。传统被动光学遥感数据由于在直接获取三维信息方面存在局限性,联合主被动的航空激光雷达(ALS)和高光谱数据(HyMap),以美国华盛顿州植物园为重点研究区,首先在单木分割的基础上实现了森林的垂直分层(即森林冠层和林下植被层)。在此基础上,利用森林冠层激光点云数据对光学影像数据进行林下植被信息剔除。通过对比利用航空光学影像和地面实测得到的森林有效叶面积指数结果发现:①森林郁闭度对于ALS数据的穿透性具有显著影响;②去除林下植被信息能够有效改善森林冠层有效叶面积指数(LAIe)估算精度。通过剔除林下植被信息,植被指数(NDVI)与地面实测有效叶面积指数的相关性由0.087提升到0.591。此外,基于剔除林下植被信息的光学遥感影像,与简单比值植被指数(SR)(相关性由0.209提升到0.559)和简化简单比例植被指数(RSR)(相关性由0.147提升到0.358)相比,归一化植被指数(NDVI)对冠层叶面积指数的变化最为敏感(相关性提高0.5)。本研究所提出的联合主被动遥感数据定量分离林下植被的方法能够有效地改善森林冠层叶面积指数的反演精度,为准确定量地估算森林生物物理参数和研究碳、水循环过程提供坚实的基础。     

基于ETM和图像融合的优势植被冠层叶面积指数和消光系数的遥感反演

叶面积指数和消光系数是表征植被群体冠层结构及光能利用的地球表层下垫面参量,国内外对叶面积指数的遥感反演有较多的研究与应用,但对消光系数的遥感反演尚不多见。我国南方少见单一大面积的均匀植被分布。为更好地匹配叶面积指数和光合有效辐射(用于估算消光系数)的实测数据,反映植被混交和疏密不均的状态,以Landsat ETM作为遥感信息源,通过HSV、Brovey和Gram-Schmidt(GS)3种图像融合方法的比较,选取效果最佳的图像融合方法,将ETM融合成空间分辨率为15 m的多光谱数据。以鄱阳湖源头梅江流域为研究区,在实测优势植被叶面积指数和光合有效辐射的基础上,利用植被指数法经验公式法反演流域的叶面积指数,并根据Beer-Lambert定律,建立了流域优势植被冠层消光系数的反演模型。在此基础上,反演了流域植被冠层叶面积指数和消光系数的空间分布,为SWAT植物生长模式的修正提供输入数据基础。     

结合GLAS和TM卫星数据的江西省森林高度和生物量制图

针对光学遥感受云雨天气的影响,并存在植被指数饱和、穿透性差而难以到达森林冠层以下等问题,不能有效反映植被垂直结构信息,难以准确地反演森林地上生物量,以大光斑激光雷达GLAS数据、Landsat TM光学遥感影像数据以及野外实测数据为数据源,建立了江西省森林的平均冠层高度模型和森林生物量模型。结果表明:GLAS数据提取出波形特征参数、ASTER GDEM数据提取出地形特征参数与实测树高数据建立森林冠层高度模型,获取离散的林冠高度,可以较好消除地形对GLAS波形的影响;通过建立Landsat TM数据计算的NDVI与离散林冠高度之间的关系,可以进行大尺度连续森林冠层高度的制图;并利用林冠高度与森林生物量之间的幂函数关系估算森林生物量。因此,大光斑激光雷达GLAS数据与光学遥感数据联合,能充分发挥多源遥感的优势,实现连续冠层高度和森林生物量的反演。     

锡林格勒典型植被类型光谱特征

内蒙古草原是全球变化研究的热点区域。遥感是进行大尺度草地动态监测最为有效的工具。为基于遥感数据的草地分类识别和动态变化监测提供依据,该文以锡林格勒盟的典型植被类型为研究对象,采集冠层反射率光谱数据,分析其波形和植被指数光谱特征。研究结果表明:红边面积、红边斜率以及680nm附近的叶绿素吸收谷特征参量,能够有效区分不同密度的草地和农业植被。归一化植被指数NDVI、绿度归一化植被指数GNDVI和优化调节植被指数OSAVI的变化趋势一致,能够反映植被绿度信息,适宜于监测植被长势。     

叶绿素指数与最大羧化速率相关性研究

以陆地生态系统碳循环机理为基础建立的生态模型是估算区域和全球陆地生态系统GPP时空变化特征的有效手段。叶片最大羧化速率(V_(cmax))是生态系统机理模型中不可或缺的参数,准确模拟V_(cmax)对于GPP模拟具有重要意义,然而,传统方法获取大范围V_(cmax)耗时耗力。利用MERIS遥感数据以及站点实测V_(cmax)数据,分析不同站点3种叶绿素指数,即MCARI、TCARI和MTCI分别与冠层V_(cmax)的关系,以及同一站点不同时间序列MTCI与冠层V_(cmax)的相关性。结果表明:叶绿素指数与冠层V_(cmax)之间相关性显著。其中3种叶绿素指数中,MTCI与冠层V_(cmax)关系最为显著;不同站点,MTCI与冠层V_(cmax)相关性随着植被类型的差异而不同。研究结果为利用遥感数据估算具有时空变化特征的V_(cmax)提供了可能。     

土壤背景对冠层NDVI的影响分析

归一化差值植被指数NDVI是植被遥感中应用最为广泛的指数之一, 但它受土壤背景等因素的干扰比较强烈。结合实测的土壤数据以及公式推导、PROSAIL 模型模拟等方法分析了这种影响。首先, 假定与土壤线性混合且叶片呈水平分布的植被冠层, 根据土壤与植被分别在红光、近红外波段处的反射率值、植被覆盖度等参数, 利用公式推导了土壤背景对不同覆盖度下冠层NDVI的影响。其次, 利用PROSAIL冠层光谱模拟模型, 模拟分析了土壤背景对不同LAI下冠层NDVI的影响。分析的结果表明:LAI 越小, 土壤背景的影响越大; 暗土壤背景下的冠层NDVI值大于亮土壤背景下冠层的NDVI值; 并且,暗土壤条件下,NDVI值对土壤亮度的变化更敏感,而亮土壤下,NDVI值则对LAI或覆盖度的变化更敏感。最后利用实测的不同土壤背景下的冬小麦冠层光谱数据, 验证了公式推导和模型模拟的结果。     

GEDI地面高程和森林冠层高度的精度评价与影响分析

精确地提取地面高程和植被冠层高度,对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达（GEDI）为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷达数据验证GEDI提取的地面高程和冠层高度精度,并探讨地理定位误差、地形坡度、坡向、植被覆盖度、方位角、采集时间、光束类型和不同森林类型因素对其精度的影响。结果表明：通过校正GEDI数据地理定位误差,可以明显提高其提取的地面高程和冠层高度精度;影响冠层高度提取精度最主要的因素是植被覆盖度,其次是坡度;影响地面高程提取精度的主要因素为坡向、坡度。植被覆盖度大于25%时,数据精度更高;坡度为0°—5°的缓坡地区地面高程和冠层高度精度最高。该研究结果将为GEDI数据筛选与应用提供依据。     

基于植被指数的叶绿素密度遥感反演建模与适用性研究

利用遥感数据反演叶绿素密度是对作物长势进行评估的有效手段.本文利用实测冬小麦和夏玉米两种作物、不同生育期的冠层光谱和叶片叶绿素含量数据,收集了14种光谱指数,分析各种光谱指数的叶绿素密度遥感模型的精度.优选了其中的8种植被光谱指数,建立了植被指数与叶绿素密度之间的回归模型,并利用不同生育期小麦数据和玉米数据对各模型进行验证,分析评价它们对不同生育期、不同作物类型的适用性.研究发现:利用SRI、RVI I、R-M和MTCI 4种植被指数所建模型对冬小麦不同生育期数据适用性较好,各生育期冠层叶绿素密度反演相对误差优于27％.其中,MTCI模型对不同作物类型的适用性最好,冠层叶绿素密度反演相对误差优于35％.     

全球典型植被叶片光谱特征及其对LAI反演的影响分析

在全球范围长时间序列LAI遥感产品反演算法中,植被冠层反射率模型仅使用少量叶片光谱特征代表全球植被全年的典型植被光谱特征,叶片光谱的不确定性导致LAI遥感产品存在一定的误差。目前全球已经构建了多个典型植被叶片波谱数据集,这些数据集包含多个植被物种、不同空间地域及多时相叶片光谱数据,为定量分析叶片光谱特征提供了数据支持。主要利用LOPEX’93、ANGERS’03、中国典型地物波谱数据库和野外实测的叶片光谱数据,以黄边参数、红边参数和叶片光谱指数作为分析指标,探讨不同植被物种、不同气候区和不同物候期的叶片光谱特征差异,及其对植被冠层反射率、LAI反演的影响,为发展考虑现实叶片光谱差异的LAI反演算法提供研究基础。结果表明:植被叶片光谱存在多样性,叶片光谱特征差异主要影响MODIS传感器近红外波段和绿波段反射率值,其中,绿波段反射率值对叶片光谱变化最为敏感;在LAI反演算法中,如果只考虑植被类型而不考虑物种叶片光谱差异,可能会给LAI反演带来大于3的误差。     

基于ArcScene的遥感影像三维可视化技术研究与应用

分析遥感影像三维可视化的研究意义和现状;探讨基于ArcScene平台遥感影像三维可视化的实现方法和技术流程;以西藏自治区日喀则地区定日县的TM遥感影像和SRTM DEM数据,以及定日县遥感测站点经纬度坐标为数据实例,完成了定日县遥感影像三维地形可视化的构建,为该地区地形勘察、地理分析等提供了良好的三维环境基础资料。结合RS与GIS完成三维地形可视化构建的技术,为3S技术的结合应用做出了推广。     

利用信息熵的高光谱遥感影像降维方法

高光谱遥感影像以其众多的波段数目，为地表观测提供近乎连续的波谱数据；然而海量的高光谱遥感影像存在着大量的信息冗余，为数据的处理带来了挑战。因此在对高光谱遥感影像进行存储、分析及可视化等操作之前，对高光谱遥感影像降维处理成为预处理的关键环节之一。利用信息熵理论，将高光谱遥感影像的各波段抽象为具有相关性的独立个体，设计了高光谱遥感影像的决策表矩阵，进而计算各波段的信息熵，量化各波段的信息量，从而将各波段根据信息增益进行排序。用户可根据高光谱遥感影像应用的精度需求，按排序选择波段组合，从而达到降维目的。以遥感分类结果的精度评价为例，对高光谱遥感降维方法的可行性和优越性进行评价。实验结果表明，该方法相较其他特征选取降维方法，能获得更高的分类精度。     

基于NASA World Wind的遥感影像处理方案研究

该文主要研究海量遥感数据的可视化,针对NASA World Wind在遥感影像数据处理应用中面临的多景遥感影像之间存在拼接问题,设计基于NASA World Wind的遥感影像处理方案。本方案着眼于单景遥感影像处理,对NASA World Wind多分辨率图层技术进行改进,提出基于单景遥感影像的多分辨率图层技术,从而避免了多景遥感影像处理中的拼接问题。该处理方案有效的避免了多景遥感影像之间的拼接问题,实验证明处理后的遥感影像显示效果良好。     

基于IDL的遥感水文时空序列数据可视化分析系统开发与应用

遥感水文模型的输入和输出数据中含有大量的具有时间和空间序列的图像数据。通过可视化分析,可以找出这些数据中隐含的规律。目前遥感水文时空序列数据可视化分析的各个过程相互分离,分析效率比较低,因此基于IDL(Interactive Data Language,交互式数据语言)进行了遥感水文时空序列数据可视化分析系统的开发,并将其应用于EcoHAT(Ecohydrological Assessment Tools,生态水文评价系统)系统的数据分析。利用IDL强大的图像处理和数据计算能力,实现了遥感水文时空序列数据管理、图像显示和图表绘制等功能,使得海量遥感水文数据得到了更高效的利用。     

基于IDL的林业遥感图像可视化技术研究

随着空间科技的发展,借助遥感图像开展森林资源调查和监测逐渐成为了解森林资源现状及发展趋势的主要手段。结合林业遥感图像检测典型问题实例,通过对IMG遥感影像的数值模拟和计算结果的可视化,设计并实现了基于IDL的林业遥感图像分类与可视化系统。结果表明,IDL 面向矩阵的特性和强大的数据可视化能力是林业资源检测和林业遥感图像可视化的理想工具。     

基于三维地球的海量遥感影像高效可视化管理系统的设计与实现

针对数量日益增长的多源、异构遥感影像组织与管理问题,在分析遥感影像特点的基础上,设计并实现了海量遥感影像高效可视化管理系统。研究了系统的组织架构,借助三维地球技术,提升系统的可操作性与视觉体验;采用元数据库技术,实现海量、多分辨率遥感影像的统一、快速查询、检索与定位;通过遥感影像缩略图、金字塔模型和线程池机制,提高遥感影像读取及可视化显示的效率。最后,完成了基于三维地球的遥感影像可视化管理系统的功能集成,实现遥感影像的多种管理模式和多层次需求。在此基础上,在实际工程应用中为海量遥感影像的分发服务提供有力的技术保障。     

基于地面激光雷达点云数据的单木三维重建

利用地面激光雷达三维点云数据,在已有的枝干结构重建方法基础上,提出了一种利用点云密度,结合间隙率模型反演的单木总叶面积,在冠层内分体元添加树叶的方法,重建完整的单木三维结构。该方法成功应用于基于光线追踪方法模拟的点云和野外实测点云数据,实现了单木三维结构重构。重建的单木叶面积与真实叶面积相对误差小于0.9%,方向间隙率的相对误差不超过4.0%。实验结果表明:重建单木三维结构与真实结构在目视效果和定量评价两方面都具有较好的一致性。     

Biomass retrieval from high-dimensional active/passive remote sensing data by using artificial neural networks

Retrieval of the biomass parameters from active/passive microwave remote sensing data is performed based on an iterative inversion of the artificial neural network (ANN). The ANN is trained by a set of the measurements of active and passive remote sensing and the ground truth data versus Day of Year during growth. Once the ANN training is complete, the ANN can be used to retrieve the temporal variations of the biomass parameters from another set of observation data. The retrieved biomass include canopy height, canopy water content and dry matter fraction, and the wetness of the underlying land. Two examples for wheat and oat are illustrated. The retrieved biomass parameters agree well with the real data of the ground truth.     

基于遥感信息的植被大型场景虚拟现实仿真

植物作为数字农业发展中的研究对象之一,其建模基础涉及了众多学科领域,其中包括生物学、植物学、农学、生态学、信息科学、遥感技术、应用数学等。大型场景的面积定量化描述和三维可视化输出是基于遥感信息的植被仿真工作中最后一个关键环节。本文首先讨论了目标植被地表场景信息的定量化描述方法,归纳了利用虚拟现实建模语言进行植被大型场景的虚拟现实仿真方法和过程,最后给出了验证结果。