融合遥感先验信息的叶面积指数反演

借助植被辐射传输模型,利用遥感观测数据估算LAI是一种较为可靠和稳健的反演方法。然而,地表的复杂性、遥感观测的有限性以及自相关性导致遥感数据包含的信息量不足,不能完全支持LAI等地表参数的估算,易造成“病态”反演。在遥感反演过程中引入先验知识能够有效地解决该问题。研究基于遥感数据提取LAI先验信息,并将其用于代价函数的构建,利用PROSAIL辐射传输模型和遗传算法,分别在500 m和250 m尺度反演LAI。将高空间分辨率LAI分别升尺度到500 m和250 m,验证对应尺度LAI结果,评价引入先验信息对于提高LAI反演精度的作用。研究表明,引入先验信息有助于提高不同分辨率下LAI反演精度,且先验信息的质量一定程度上也影响着LAI反演结果。与未加入先验信息的LAI反演结果相比,以MODIS LAI产品作为先验信息反演的500 m尺度LAI结果精度R²由0.55提高至0.65,RMSE由1.29下降至0.38。在250 m尺度,以500 m LAI反演结果作为先验信息反演的叶面积指数,其精度优于以MODIS LAI产品为先验知识的估算结果,验证精度R²增加了0.08,RMSE减少了0.18。研究使用的先验信息主要来自遥感数据本身,没有地面实测数据的参与,在此基础上发展的多分辨率LAI反演方法具有估算大区域尺度LAI的应用潜力。     

西南地区不同山地环境梯度叶面积指数遥感反演

叶面积指数(LAI)遥感估算是植被定量遥感研究的热点之一,监测植被LAI时空变化对于研究陆地生态系统碳循环及全球变化等具有非常重要的意义。在我国西南山区设置10个50km×50km的观测样区作为研究区,其中包括5个森林生态系统样区、3个农田生态系统样区和2个草地生态系统样区。分别获取不同优势植被类型LAI地面实测数据,结合同期获取的遥感数据,考虑地形因素影响,基于偏最小二乘原理分别构建各样区LAI遥感估算模型,并采用交叉验证的方式对模型精度进行评价。结果表明:考虑了海拔、坡度和坡向等地形因子的森林LAI遥感反演模型与未考虑地形变量的模型相比,其验证精度有所提高,R2由0.30~0.75提高至0.50~0.80,RMSE由0.52~0.93m2/m2降低至0.48~0.89m2/m2;所有样区优势植被类型LAI反演模型验证R2在0.40~0.80之间,RMSE在0.22~0.89m2/m2之间。发展的LAI遥感估算方法有助于认知山地植被LAI反演的地形效应问题,可为进一步的山地植被长势监测提供科学依据。     

森林叶面积指数遥感反演模型构建及区域估算

基于eCognition面向对象分类算法及校正后的TM遥感影像,获取研究区2010年土地利用/覆被数据。同时在ArcGIS平台下,提取遥感影像6个波段反射率及RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI等10个植被指数,并辅助于DEM、ASPECT、SLOPE等地形信息,在与植物冠层分析仪(TRAC)实测各森林类型叶面积指数相关性分析的基础上,研究表明:相对多元线性回归方法,偏最小二乘法能够更好地把握各森林类型LAI动态变化,而后结合研究区森林覆被信息进行区域估算。     

融合遥感先验信息的叶面积指数反演

借助植被辐射传输模型,利用遥感观测数据估算LAI是一种较为可靠和稳健的反演方法。然而,地表的复杂性、遥感观测的有限性以及自相关性导致遥感数据包含的信息量不足,不能完全支持LAI等地表参数的估算,易造成"病态"反演。在遥感反演过程中引入先验知识能够有效地解决该问题。研究基于遥感数据提取LAI先验信息,并将其用于代价函数的构建,利用PROSAIL辐射传输模型和遗传算法,分别在500 m和250 m尺度反演LAI。将高空间分辨率LAI分别升尺度到500 m和250 m,验证对应尺度LAI结果,评价引入先验信息对于提高LAI反演精度的作用。研究表明,引入先验信息有助于提高不同分辨率下LAI反演精度,且先验信息的质量一定程度上也影响着LAI反演结果。与未加入先验信息的LAI反演结果相比,以MODIS LAI产品作为先验信息反演的500 m尺度LAI结果精度R2由0.55提高至0.65,RMSE由1.29下降至0.38。在250 m尺度,以500 m LAI反演结果作为先验信息反演的叶面积指数,其精度优于以MODIS LAI产品为先验知识的估算结果,验证精度R2增加了0.08,RMSE减少了0.18。研究使用的先验信息主要来自遥感数据本身,没有地面实测数据的参与,在此基础上发展的多分辨率LAI反演方法具有估算大区域尺度LAI的应用潜力。     

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。     

基于TM遥感数据的西藏林芝地区叶面积指数反演

叶面积指数(LAI)是分析冠层结构最常用的参数之一,它控制着植被的生物、物理过程,如光合、呼吸、蒸腾、碳循环和降水截获等。但是通过野外实测获取大面积的LAI比较困难,通过对西藏林芝地区的TM遥感数据进行处理获取各种植被指数,然后分别与实测LAI建立相应的回归关系,并对不同的回归模型进行分析找出相关性较好、误差较低的回归模型,最后利用该模型对林芝地区的叶面积指数进行制图。通过植被指数与实测LAI进行回归分析建立LAI估算模型,其决定系数最高为R²=0.653,具有较好的相关性。研究结果表明:TM遥感数据可以实现林芝区域LAI估算,能为生态环境研究提供数据支持。     

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。     

遥感提取叶面积指数的地形影响分析

结合1：50000DEM对贵州省黎平县内研究区的ETM 遥感影像进行地形纠正，分别使用地形纠正前后的图像建立植被指数与实测杉木林、阔叶林、竹林的叶面积指数相关关系，从而对研究区森林叶面积指数进行计算。研究表明，利用遥感影像计算山地丘陵林区叶面积指数时地形是一个重要的影响因素，它致使遥感影像提取的叶面积指数出现一定的偏差。因此．本文从电磁波辐射传输理论着手，采用一种地形影响去除方法，即先把遥感图像归一化为没有地形影响下的亮度图像，再通过该亮度图像提取森林叶面积指数，并通过实地观测数据验证了该地形纠正方法的有效性。同时，也提出了利用地形因子和遥感影像亮度值的关系计算大气程辐射的方法。     

叶面积指数遥感反演算法研究

叶面积指数是确定陆表生态系统物质和能量交换大小的重要结构参数之一。本文基于NDVI、RVI的反演模型,结合GDAL影像库和C++语言设计实现相关算法,形成从影像数据到叶面积指数图的处理流程,提高了影像的利用率。经预处理的Hyperion数据测试,算法运行稳定且计算结果精确,为植物长势监测、粮食产量预测提供可靠数据源。     

森林叶面积指数遥感反演与空间尺度转换研究

以贵州省黎平县为研究区,着重研究森林叶面积指数(LAI)的ETM遥感信息反演和向1km空间尺度转换算法.通过LAI-2000的针叶林和阔叶林等植被类型的LAI实地观测,建立实测LAI与ETM影像归一化植被指数(NDVI)的相关关系并进行LAI遥感制图,并在陆地覆盖类型遥感分类信息提取的基础上,发展了针叶林、混交林和空旷地三种地表类型LAI的向上空间尺度转换算法,以对粗分辨MODIS遥感数据的LAI产品实现LAI算法的转换与校正,并通过示例应用显示了本研究空间尺度转换算法的有效性.     

面向遥感叶面积指数产品的地形校正研究

地形校正是提高复杂地形区地表参数遥感定量化反演精度的重要手段。当前广泛应用的遥感叶面积指数产品（Leaf Area Index, LAI）多具有一定的地形误差,减少地形影响、提升其产品精度有着非常重要的意义。以我国江西省千烟洲地区为研究区域,利用地面实测LAI数据、LandsatTM数据和高程数据等,基于高程标准差和GLOBMAP LAI产品值的关系,建立面向叶面积指数产品的地形校正模型,利用这一模型对GLOBMAP LAI产品进行地形校正。结果表明：校正后的LAI与地面实测数据更为接近,LAI产品与地面测量值的RMSE由2.11下降到2.04;校正后LAI产品的标准差由2.08下降至1.69,LAI产品的地形误差得到了较好的改正。该方法较好地完成了LAI产品的地形校正,进一步提高了产品精度,具有一定的实用价值。     

Retrieval Rice Leaf Area Index Using Random Forest Algorithm based on GF-1 WFV Remote Sensing Data

Leaf Area Index(LAI) is an important indicator of vegetation growth and reflects the productivity of farmland ecosystems.In this study,rice LAI was mapping using LAI retrieved model based on rice vegetation indexes from multi\|temporal GF\|1 WFV and situ LAI measurements data obtained in different rice growing periods over rice fields taking Dongtai county,Jiangsu province as a case study.The LAI retrieval model was constructed using random forest algorithm(RF).Results showed that the RF model achieved high accuracy that the RMSE was 1.03 and the coefficients of determination(R²) between retrieved LAI and measured LAI reached 0.88.The mean relative error between retrieved LAI and measured LAI in different growing periods was 15%.The trend of rice LAI could be reflected by the retrieved value and GF\|1 WFV data has high ability to distinguish the waters and road network in study area.     

基于内容的遥感图像变化信息检索概念模型设计

在海量遥感数据背景下,传统的基于关键字/元数据数据服务模式,无法满足不同应用领域用户对多样化遥感变化信息数据的获取需求。将基于内容的图像检索技术应用到遥感图像变化信息数据获取中,提出了一种全新的基于内容的遥感图像变化信息检索概念模型。通过深入分析当前基于内容的图像检索的先进理论方法,构建基于内容的遥感图像变化信息检索模型框架,并对变化信息数据管理模型构建、多维特征提取和智能反馈模型创建等关键问题进行研究和算法实现,以中低分辨率遥感图像变化信息数据获取为例来进行模型验证与分析,建立原型系统。该方法作为一种新的遥感图像变化信息获取与服务方式,能有效利用遥感图像中底层特征,更准确地刻画了不同用户的遥感图像变化信息检索需求。同时,对影像的预处理要求较低,不受变化检测产品生产种类限制,具有较好普适性和自动化性,提高了遥感信息服务水平和效率。     

Design of Content-based Remote Sensing Image Change Information Retrieval and Relevance Feedback Model

With the rapid development of satellite remote sensing technology, processing the variety of remotely sensed data has increasingly been complex and difficult. It is also hard to efficiently and intelligently retrieve change information what users need from a massive database of images. In the context of mass remote sensing data, the existing knowledge based on a priori knowledge + the keyword / metadata remote sensing data service model can not meet above-mentioned challenge. Firstly，it is not guaranteed to obtain the totally change information data in the database, as we can not get the all prior knowledge. Second, the keyword / metadata can not accurately describe the different application areas of the user's actual retrieval needs. To deal with this, the Content-Based Image Retrieval (CBIR) is successfully applied on the change detection in this paper. And, Content-Based Remote Sensing Image Change Information Retrieval and Relevance Feedback model is introduced. Firstly, we learn the CBIR theory fully and exclusively. Then, the model structure and framework is built. And, some critical issues, such as data management, multi-features selection and relevance feedback, are considered. Thirdly, an experimental prototype system is set up to demonstrate the validity and practicability of this model. As a new remote sensing image change detection information acquisition mode, the new model can reduce the demands of image pre-processing, overcome synonyms spectrum, seasonal changes and other factors in the change detection, and meet different kinds of needs. Meanwhile, the new model has important implications for improving remote sensing image management skill and autonomic capabilities of information retrieval filed.     

HJ星数据在关中冬小麦种植面积遥感监测中的应用 

应用冬小麦抽穗期的环境小卫星影像对关中地区依据行政区划划分,采用多种遥感监测方法进行冬小麦种植面积提取,提取精度达95.64%。结果表明:抽穗期是关中地区提取冬小麦种植面积的最佳时相,同时也表明环境小卫星可以用来监测大范围的冬小麦种植面积,并得到很高的精度。在未来的研究中,对于地形差异较大的地区,可依据地形和冬小麦的种植结构对研究区进行划分,针对每个子研究区采用不同的遥感监测方法以提高提取精度。     

高寒干旱地区环境遥感信息提取方法研究

根据高寒干旱地区环境研究的特点,研究了适合于遥感信息提取的区域环境综合分类系统,提出了利用现有成熟的图像分类和专题信息提取的技术方法,在ＧＩＳ的支持下实现了多种遥感信息与非遥感信息的复合。利用多重判据在ＧＩＳ环境下,通过基于知识的识别和修改,对初分类结果中相混淆异类进行了有效分离,达到类型纯化