基于MODIS数据的玉米植被参数估算方法的对比分析

基于实测数据建立了FPAR、LAI的植被指数估算模型（NDVI、RVI、NDWI）,并将其应用于MODIS BRDF数据对德惠地区玉米FPAR、LAI进行估算,然后将MODIS 15A2 FPAR/LAI产品值分别与BRDF估算值、地面实测值进行对比分析。主要得出以下结论：植被指数NDVI、RVI都能较好地用于实测数据和MODIS BRDF数据的FPAR、LAI估算;NDWI虽然在实测数据中估算玉米FPAR、LAI的效果优于NDVI、RVI,但其应用于MODIS BRDF数据估算FPAR、LAI时,效果却较差。BRDF数据估算FPAR与MODIS 15A2 FPAR值的关系因生长时期不同而异,在玉米生长前期,前者高于后者,而生长后期两者却较相近;BRDF估算LAI值一直都高于MODIS 15A2 LAI产品值。生长季前期,MOD15A2 FPAR、LAI值接近实测值,而在后期却高于实测值。通过分析也表明,玉米苗期MODIS 15A2 FPAR数值变化范围较小,产品算法对实际FPAR变化尚不够敏感,这可能是影响MODIS FPAR产品精度的一个原因。     

基于能量平衡原理的FPAR遥感反演研究

光合有效辐射吸收系数(FPAR)是描述植被结构以及冠层-大气物质与能量交换过程的基本生理变量。从能量守恒的原理出发,结合非线性混合像元模型,分析了太阳入射能量中的植被冠层反射、土壤吸收分量的光谱反演方法,建立了简化的FPAR遥感反演模型(FPEB)。分别应用2011和2013年西藏自冶区那曲实验数据\,2011年西藏自冶区当雄实验数据和2013年内蒙古自冶区海拉尔的实验数据,对建立的FPAR遥感反演模型进行了验证,并将FPEB模型反演结果与传统的植被指数统计模型反演结果进行了对比分析,结果表明:FPEB模型的FPAR反演精度优于NDVI统计模型,且与其他基于能量平衡原理提出的反演FPAR的模型相比具有输入参数少,模型简单的优势,在空间区域和时间上具有很好的普适性。     

三维辐射传输模型LESS原理及其应用

三维辐射传输模型能够准确地刻画太阳辐射与异质地表之间的相互作用，近年来已成为定量遥感建模与反演研究中的重要工具。LESS模型是基于光线追踪的三维真实冠层辐射传输模型，充分利用了光线追踪的前向追踪模式模拟能量平衡问题以及后向追踪模式模拟大尺度(公里级)遥感影像，从而实现在同一模型中多种遥感数据的模拟。目前，LESS模型可以模拟多角度反射率、多/高光谱影像、鱼眼相机、复杂地形区上下行短波辐射、冠层分层FPAR等数据，可以为验证物理模型、发展参数化模型以及训练神经网络模型等提供更为可靠的模拟数据集。本文主要介绍了LESS模型的基本原理和典型的应用。LESS模型可以从www.lessrt.org网站下载。     

基于FLAASH的多光谱影像大气校正应用研究

受大气吸收与散射影响,遥感器得到的测量值与目标物的真实值间存在误差,给反演地表反射率/反照率和地表温度等关键参数带来较大误灿跋炝送枷穹治龅木?选择ASTER多光谱数据,利用FLAASH模块进行大气辐射校正和反射率反演.对校正前后的反射辐射和归一化植被指数(NDVI)的变化进行了对比研究,并利用校正前后的NDVI反演植被盖度.研究表明,大气校正后图像计算的植被盖度显著提高.     

三维辐射传输模型LESS原理及其应用

三维辐射传输模型能够准确地刻画太阳辐射与异质地表之间的相互作用,近年来已成为定量遥感建模与反演研究中的重要工具。LESS模型是基于光线追踪的三维真实冠层辐射传输模型,充分利用了光线追踪的前向追踪模式模拟能量平衡问题以及后向追踪模式模拟大尺度(公里级)遥感影像,从而实现在同一模型中多种遥感数据的模拟。目前,LESS模型可以模拟多角度反射率、多/高光谱影像、鱼眼相机、复杂地形区上下行短波辐射、冠层分层FPAR等数据,可以为验证物理模型、发展参数化模型以及训练神经网络模型等提供更为可靠的模拟数据集。本文主要介绍了LESS模型的基本原理和典型的应用。LESS模型可以从www.lessrt.org网站下载。     

三维辐射传输模型LESS原理及其应用

三维辐射传输模型能够准确地刻画太阳辐射与异质地表之间的相互作用,近年来已成为定量遥感建模与反演研究中的重要工具。LESS模型是基于光线追踪的三维真实冠层辐射传输模型,充分利用了光线追踪的前向追踪模式模拟能量平衡问题以及后向追踪模式模拟大尺度(公里级)遥感影像,从而实现在同一模型中多种遥感数据的模拟。目前,LESS模型可以模拟多角度反射率、多/高光谱影像、鱼眼相机、复杂地形区上下行短波辐射、冠层分层FPAR等数据,可以为验证物理模型、发展参数化模型以及训练神经网络模型等提供更为可靠的模拟数据集。本文主要介绍了LESS模型的基本原理和典型的应用。LESS模型可以从www.lessrt.org网站下载。     

东北主要绿化树种叶面积指数(LAI)高光谱估算模型研究

以东北主要绿化树种为研究对象,分别在长春市南湖公园和长春公园获取了共240组树冠高光谱反射率及相应的LAI数据。对数据进行相关分析,以确定反演LAI的敏感波段,而后分别运用6种植被指数、神经网络以及小波分析等3种方法进行估算。研究结果表明,3种方法估算树冠LAI都取得了较好的效果:①与RVI、NDVI相比,由DVI、RDVI、MSAVI、TVI等植被指数建立的估算模型可以提高LAI的估算精度;②神经网络在拟合光谱反射率与树冠LAI关系时明显优于植被指数法(R2达0.850);③小波能量系数与LAI相关性较好,单变量回归分析R2可达0.683,部分小波能量系数估算LAI的精度优于植被指数法,并且验证R2也较高,说明其稳定性较好,多元变量回归分析能够实现各小波能量系数间的优势互补,R2可达0.794。     

基于ASTER数据黑河中游植被含水量反演研究

植被含水量是影响植物生长的主要限制因子之一,也是衡量植被生理状态和形态结构的重要参数。应用遥感技术定量估测植被含水量,对于农业旱情监测、作物产量估计和科学研究具有重要意义。基于2012年黑河生态水文遥感试验期间获得的6景ASTER遥感数据和同步观测的研究区生物量观测数据集,选取NDVI、RVI、SAVI和MSAVI 4种植被指数分别与单位面积内植被含水量的关系进行比较分析,建立了不同植被指数的植被含水量反演模型,并对反演结果进行了验证。研究结果表明:4种植被指数均与实测的植被含水量有较高的相关性(R20.846),利用MSAVI反演的植被含水量精度略优于其他3种指数,其均方根误差(RMSE)在0.794kg/m2内。模型较为可靠,可以为大范围获取植被含水量信息提供有效方法。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

水稻叶面积指数的多光谱遥感估算模型研究

LAI是生态系统研究中最重要的结构参数之一,它是估计多种植冠功能过程的重要参数。通过两年的水稻田间试验,使用美国ASD背挂式野外光谱辐射仪(ASDFieldSpec),获取1999～2000年两年晚稻整个生育期的光谱数据,采用计算机测算图斑面积法测定LAI;根据已有的卫星传感器通道波段(MSS、RBV、SPOT、TM、CH)和它们的组合(比值植被指数、归一化差植被指数),以及具有物理意义的光谱区域(蓝区、绿区、黄边、红光吸收谷、红边、紫区、可见光区、近红外区、全部波段)等共有27个变量构建多光谱变量组,采用5个单变量线性与非线性拟合模型,用1999年试验数据为训练样本,建立水稻LAI的多光谱遥感估算模型。结果表明:适用于水稻LAI估算的多光谱变量是植被指数变量好于波段变量;RVI与NDVI比较,RVI好于NDVI。用2000年试验数据作为测试样本数据,对其精度进行评价和验证,非线性模型的精度高于线性模型的精度,其中以SPOT3/SPOT2为变量的对数模型,拟合R2与预测R2达到了最大,其RMSE和相对误差(%)为最低,因此,认为它是估算LAI的最佳模型。
     

利用AMSR-E遥感数据反演地表温度——以2008年广东省春季寒害为例

基于2008年1月25日至2008年2月5日期间的AMSR-E/Aqua L2A微波亮度温度数据,以广东省为研究对象,依据微波极化差异指数（MPDI）、归一化植被指数（NDVI）和比率植被指数（RVI）等3种植被指数,将广东省地表植被覆盖情况分为裸地、草地、灌木林、针叶林和阔叶林等5种类型,利用逐步回归分析方法,建立了基于不同植被覆盖类型的微波亮度温度与地面气象温度多元回归模型。同步地面气象温度数据验证表明,本文建立的基于地表植被覆盖分类的多波段地表温度反演模型,地表温度反演精度基本可达到3.0℃,其中有大约86%的地区地表温度反演精度可以控制在2.5℃以内,为广东省作物寒害预测提供了微波遥感技术支持。     

基于环境星HSI影像的草地叶面积指数反演

叶面积指数(Leaf Area Index,LAI)是定量研究陆地生态系统物质和能量交换的一个重要结构参数,具有重要的研究意义。针对HJ\|1A卫星HSI数据,利用野外实测LAI值,探讨利用HJ1A星HSI数据反演叶面积指数的可行性。选用比值植被指数(RVI)、归一化植被指数(NDVI)及改良型土壤调整植被指数(MSAVI)3种植被指数,与实测叶面积指数进行回归分析,构建回归模型。研究结果表明,基于影像提取的RVI、NDVI和MSAVI 3种植被指数均与叶面积指数有较好的定量关系。其中,MSAVI的拟合结果最优,其回归确定性系数为0.622。验证模型的确定性系数为0.547,均方根误差RMSE为0.202,说明实测和模拟LAI值之间具有较好的变化一致性。最后基于HJ1A星HSI影像和MSAVI的估测模型生成研究区叶面积指数空间分布图。     

棉花反射光谱与叶片净光合速率的相关分析

针对传统获取植被生长信息对植被的破坏大、费时费力等问题,提出用高光谱实时动态、非损伤地获取棉花的光合作用参数,监测棉花的长势和预测产量。用美国ASD Fieldspec Pro FR 2500高光谱辐射仪和LI-6400便携式光合测试系统测试棉花新陆早33号不同水分处理4个关键生育时期的冠层高光谱数据和叶片净光合速率(Pn)。多元统计分析表明,近红外759nm(r=0.53**,P0.01,n=40)和红光670nm(r=-0.7**,P0.01,n=40)为光谱反射率与Pn的敏感波段;采用红光670nm与近红外759nm波段的光谱反射率组成归一化植被指数(NDVI)、比值植被指数(RVI)与Pn建立幂函数关系模型,RVI与Pn的相关性高于NDVI与Pn的相关性。研究结果表明,叶片净光合速率反映棉花的光合生产能力和生长状况,利用RVI能更好地预测棉花的叶片净光合速率。     

利用高光谱植被指数估算棉花干物质积累的模型研究

利用高光谱仪,对新疆棉花（2个品种4种配制方式）生物量和高光谱数据进行分析,经过多元统计分析与光谱微分处理,建立了基于比值植被指数（RVI）和归一化植被指数（NDVI）的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平（a=1％,n=16）。基于RVI与NDVI构建的估测模型,后者比前者有更高的估测精度,指数函数、对数函数和双曲线函数的模型可以产生较高的估测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在756nm（r=-0．6749,n=16）,由756nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

基于光学与SAR因子的森林生物量多元回归估算

基于福建省Landsat-8 OLI影像，利用混合像元分解模型从实测样地数据中筛选出“纯净”的植被像元，并将筛选出的样地分为针叶林、阔叶林和混交林3种植被类型，依次提取3种不同植被类型“纯净”植被像元的树高、林龄、坡度属性信息以及对应的光学NDVI、RVI植被因子和合成孔径雷达（SAR）HH、HV极化后向散射因子，分别构成不同植被类型的“含光学特征多元因子”（NDVI、RVI、树高、林龄、坡度）和“含SAR特征多元因子”（HH、HV、树高、林龄、坡度），开展对比研究。采用含光学特征的多元因子回归模型先估测不同植被类型的森林叶生物量，然后根据叶生物量与地上生物量的关系间接估测森林地上生物量。同时，采用含SAR特征的多元因子回归模型直接估测森林的地上生物量。最后，对比分析这两组多元回归模型的估测精度。结果表明：不同植被类型的含光学特征多元回归模型的验证精度（针叶林：R²为0.483，RMSE为29.522 t/hm²；阔叶林：R²为0.470，RMSE为21.632 t/hm²；混交林：R²为0.351，RSME为25.253 t/hm²）比含SAR特征多元回归模型的验证精度（针叶林：R²为0.319，RMSE为28.352 t/hm²；阔叶林：R²为0.353，RMSE为18.991t/hm²；混交林：R²为0.281，RMSE为26.637 t/hm²）略高，说明在福建省森林生物量估算中采用含光学特征的多元回归模型（先估测叶生物量进而间接估测地上生物量）比利用含SAR特征的多元回归模型（直接估测地上生物量）更具优势。     

不同等级石漠化区MODIS-NDVI与MODIS-EVI对比分析

利用2001～2010年10 a的MODIS资料,比较分析广西喀斯特不同等级石漠化区MODIS\|NDVI和MODIS\|EVI的时间变化特征差异,利用全时间序列及16 d10 a均值序列分析NDVI和EVI之间的相关关系,比较线性及对数相关模型对两种植被指数相关关系的拟合效果,结果表明:石漠化等级由重度到潜在,两者之间的差值也随着植被覆盖度的增加而增大,植被覆盖度越低,NDVI和EVI所表征的植被变化特征越相似。NDVI的峰值出现时间多晚于EVI且其反映的植被变化趋势与实况更吻合,但其NDVI偏高;各等级石漠化的两种时间序列NDVI与EVI的对数相关关系优于线性相关,两种植被指数的相关性随着植被覆盖度的降低而增大,但全时间序列中轻度、中度石漠化相关性变化规律与16 d 10 a均值序列相反。     

TVDI在冬小麦春季干旱监测中的应用

应用冬小麦春季生长期的NOAA/AVHRR资料,反演归一化植被指数（NDVI）、土壤调整植被指数（SAVI）和下垫面温度（T_s）,分析了植被指数和下垫面温度空间特征,采用温度植被旱情指数（TVDI）,研究了河北省2005年3~5月的冬小麦旱情状况。结果表明：基于SAVI的温度植被旱情指数与土壤表层相对湿度的相关性好于基于NDVI的温度植被旱情指数。通过与气象站土壤水分观测资料进行相关性分析,表明温度植被旱情指数与10 cm土壤相对湿度关系最好,20 cm次之,50 cm较差。因此,基于SAVI的温度植被旱情指数更适于监测冬小麦春季的旱情。     

利用MODIS数据估算西藏高原地表植被覆盖度

根据2004年9月13日至14日在西藏高原中部地面观测的植被覆盖度和同期接收的EOS/MODIS数据,分别建立了250m分辨率归一化植被指数(NDVI)、土壤调节植被指数(SAVI)与地面观测的植被覆盖度之间的相关关系,并以西藏高原中部和整个西藏高原作为两个试验区,选择典型植被类型,验证了Carlson和Ripley植被覆盖度算法的精度。结果表明,地面观测的植被覆盖度与植被指数之间呈线性关系。其中,地面观测值与NDVI的相关系数R2=0.90;与SAVI的相关系数为R2=0.89;Carlson和Ripley算法适合于中等植被覆盖度的草地植被。     

基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

基于宽波段和窄波段植被指数的草地LAI反演对比研究

叶面积指数是一个重要的植被生理生态参数,为探讨不同植被指数反演叶面积指数的可行性,基于同空间分辨率不同光谱分辨率的HJ\|1B CCD1和Hyperion遥感影像数据,以内蒙古自治区赤峰市克斯克腾旗贡格尔草原为研究对象,选取几种常见宽波段植被指数和高光谱窄波段植被指数并结合4种常用回归模型,比较分析了不同植被指数反演叶面积指数的精度。结果表明:对于全部植被指数而言,PVI、MSAVI等综合考虑了土壤、环境等因素的植被指数较传统植被指数NDVI、RVI反演草地LAI精度更高。通过对比发现,在反演草地LAI方面,窄波段植被指数比宽波段植被指数表现出明显的优势。其中,窄波段垂直植被指数PVI验证模型的确定性系数R²为0.65,均方根误差RMSE为0.15,说明实测LAI和模拟LAI值之间具有较好的变化一致性。最后基于Hyperion影像和窄波段垂直植被指数PVI的估算模型生成研究区叶面积指数空间分布图。