基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。     

利用MERIS和AATSR资料估算黄土高原塬区植被含水量时空变化

通过利用2005年黄土高原塬区夏季地表过程野外观测试验期间收集的地面观测的植被含水量、中分辨率影像光谱仪(Medium Resolution Imaging Spectrometer,MERIS)和高级沿轨迹扫描辐射计(Advanced Along-Track Scanning Radiometer,AATSR)卫星遥感资料,分别对归一化差值植被指数(Normalized Different Vegetation Index)和归一化差值水分指数(NormalizedDifferent Water Index)与植被含水量(Vegetation water content)变化关系进行了分析比较,得到了两种不同的植被指数在作物生长背景影响下的异同。并分别利用MERIS的观测资料计算了NDVI,利用AATSR观测资料计算了NDWI,通过分析得出:随着作物的生长或生物量的增加,归一化差值植被指数变化趋于饱和,而归一化差值水分指数仍然继续增加。进一步通过同步地面野外观测植被含水量与卫星遥感观测资料的对比,建立了归一化差值植被指数、归一化差值水分指数和实际野外测量植被含水量的关系,并且得到由两种植被指数反演植被含水量的方法和地面观测之间的误差分别为1.030 64 kg·m-2和0.940 45 kg·m-2。最后通过分析后总结出,利用归一化差值水分指数来反演黄土高原塬区夏季玉米冠层的含水量优于利用归一化差值植被指数。     

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。     

植被叶片含水量反演的精度及敏感性

针对利用多源遥感数据监测旱情变化需要研究波段宽差异对指数的影响,而目前缺乏相关对比研究这一问题,该文基于叶片辐射传输模型,选用已广泛应用的光谱指数(包括植被指数与植被水分指数),通过对比研究筛选出反演精度高、对叶片含水量变化敏感、受波段宽变化影响小(适合应用于多源遥感数据)的指数。结果显示,植被指数与植被水分指数反演叶片含水量精度均较高(确定系数:0.983,0.917)。但植被水分指数对叶片含水量变化敏感而对波段宽的变化不敏感,植被指数对叶片含水量变化不敏感且受波段宽变化的影响大。因此,在利用多源传感器数据估算叶片含水量时应选用植被水分指数。在所选植被水分指数中,对叶片含水量变化最敏感同时对波段宽的变化最不敏感指数为归一化差异红外指数(Normalized Difference Infrared Index,NDII)与全球植被湿度指数(Global Vegetation Water Moisture Index,GVMI)。     

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。     

玉米冠层最佳水分指数优选

针对基于植被指数反演不同生长期、不同冠层结构特征下玉米冠层含水量的序列性研究较少,冠层含水量反演较低等问题,优选不同生长期玉米冠层含水量反演最佳植被指数,完成玉米冠层含水量高精度提取。初步选择4种可靠性强的水分指数:归一化植被指数、归一化水体指数1、归一化水体指数2、水协迫指数,分别基于PROSAIL辐射传输模型、三期实测冠层含水量及同步Landsat-8OLI数据,模拟分析4种植被指数与冠层含水量的关系,优选不同生长期玉米最佳水分指数,实现玉米冠层含水量快速精确反演。实例验证结果表明,水分指数归一化水体指数1可作为植被冠层含水量反演的最佳指数且反演精度随着植被含水量的增加而降低,在玉米生长初期,中误差为0.13kg/m~2,在生长中后期,中误差达到0.582kg/m~2,满足生长初期玉米冠层含水量快速反演需求。研究结果可为植被冠层含水量反演中水分指数选择提供参考,也可为稀疏植被覆盖区土壤水分反演研究提供借鉴。     

基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分

基于新一代的Sentinel-1SAR数据与FY-3C的MWRI数据,研究植被覆盖地表土壤湿度反演方法。为消除植被对土壤湿度反演影响,首先利用FY-3C/MWRI的微波极化差异指数MPDI,建立植被含水量反演模型;然后,结合植被含水量反演模型和水—云模型,发展一种主被动微波联合反演植被覆盖地表土壤含水量模型;最后,在江淮地区开展反演试验,利用观测的土壤湿度数据进行反演结果的精度验证。结果表明:(1)对于植被覆盖地表土壤湿度反演,由FY3C/MWRI提取的MPDI对于去除植被影响效果较好;(2)相比于VH极化哨兵1号卫星数据,VV极化数据更适用于土壤含水量的反演,能够得到更高的土壤湿度反演精度;(3)哨兵1号卫星数据能够获得较高精度的土壤含水量反演结果,试验反演的土壤湿度值与实测值相关系数为0.561 2,均方根误差为0.044cm~3/cm~3。     

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％.     

不同辐射校正水平下水稻植被指数监测对比分析

归一化植被指数(NDVI)是反映植被长势特征的重要参数之一。获取准确的植被指数对揭示植被长势变化等定量遥感分析至关重要。基于不同辐射校正水平(辐射定标与大气校正),分别利用Landsat ETM+影像的灰度值(DN)、表观(TOA)反射率与地表(Surface)反射率计算相应NDVI,并根据鄱阳湖区野外定点观测数据,从农田、景观尺度揭示不同辐射校正水平下水稻生育期内NDVI动态变化特征。结果表明,根据DN、TOA反射率与Surface反射率提取的NDVI基本上可以反映出年内水稻不同熟制种植信息变化特征,即移栽期NDVI处于谷值,孕穗抽穗期NDVI达到峰值。但相应NDVI逐渐增加,且波动范围逐渐增大。就不同熟制水稻生育期而言,根据DN值计算并构建的NDVI曲线差异较小,而根据TOA反射率与Surface反射率反演的NDVI曲线差异明显。在植被定量遥感研究中,通过大气校正反演地表反射率计算植被指数相对客观准确。     

植被微波散射模型研究综述

精确的植被微波散射模型是理解微波遥感观测、发展遥感反演算法、提高植被参数和土壤含水量反演精度的基础和关键。针对其在微波观测模拟和反演中的重要性,该文对近几十年研究人员建立的系列植被微波模型,包括植被微波散射经验模型、理论模型和半经验模型进行了回顾,着重分析了基于电磁散射理论和辐射传输方程的理论模型的研究进展,对各模型的优缺点以及应用局限性进行了总结比较。最后,探讨了未来植被微波散射模型可以改进的方向。     

Research on Vegetation Extraction and Fractional Vegetation Cover of Spartina Alterniflora Using UAV Images

In this study，vegetation extraction and fractional vegetation cover of Spartina alterniflora (S.alterniflora )was studied in an experimental region of Sansha bay，a typical coastal wetland area in Fujian Province，China.A new vegetation index visible\|band modified soil adjusted vegetation index (V\|MSAVI)was constructed and the fractional vegetation cover was calculated subsequently based on the NDVI model.Results showed that，the S.alterniflora extraction results by V\|MSAVI had a satisfactory precision.Most of the fractional vegetation covers of S.alterniflora were in medium\|level coverage (40%~60%)and a high\|level coverage (60%~80%).An accuracy analysis based on the visual interpretation indicated the overall extraction results accuracy of 0.89，and a kappa coefficient of 0.77.Root mean square error (RMSE)of fractional vegetation cover between the estimation value and the true value was 0.06，and the determination coefficient R² was 0.92.     

基于植被指数的若尔盖高原湿地光合有效辐射吸收比例估算研究

植被光合有效辐射吸收比例（FPAR）是湿地生态系统碳收支和气候变化的关键参量,直接反映湿地植被生长发育状况。基于植被指数的经验统计方法简单高效,被广泛运用于草原、森林及作物等植被FPAR的模拟,却较少用于湿地,缺乏不同植被指数对湿地FPAR估算适应性的系统研究。研究对比了14种常见的植被指数,选出最优植被指数用于反演若尔盖高原湿地生长季FPAR。结果表明：常见的植被指数中,MSAVI指数动态考虑了土壤信息,能较好地适应湿地植被FPAR的估算,误差和R²均优于其他植被指数。若尔盖高原湿地生长季FPAR取值在0.22—0.80之间,整体分布较为均匀,泥炭湿地、湿草甸及沼泽湿地平均FPAR分别为0.46、0.63和0.58;生长季期间若尔盖高原不同类型湿地FPAR随时间呈现先增加后降低趋势。     

Soil Moisture Retrieval over Vegetated Areas based on Sentinel-1 and FY-3C Data

This study aims to develop soil moisture retrieval model over vegetated areas based on Sentinel-1 SAR and FY-3C data.In order to remove vegetation effect,the MWRI data from FY-3C was applied to establish the inversion model of vegetation water content.The model was combined with the original water-cloud model,and developing a soil moisture retrieval model by combining active and passive microwave remote sensing data.Finally,the experiment of the soil moisture retrieval was conducted in Jiangsu and Anhui province,and validating the inversion accuracy of soil moisture by measured data.The results showed that：①For the vegetation-covered surface,the Microwave Polarization Difference Index obtain from FY-3C/MWRI was suitable for removing vegetation effect.②Compared with the Sentinel-1 VH polarization data,the backscattering coefficient of VV polarization was more suitable for soil moisture retrieval and get a higher accuracy of soil moisture retrieval.③Sentinel\|1 data can obtain high precision soil moisture estimation results,and the correlation coefficient between the estimated and measured soil moisture is 0.561 2 and RMSE is 0.044 cm³/cm³.     

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。     

Vegetation water content mapping using Landsat data derived normalized difference water index for corn and soybeans

Information about vegetation water content (VWC) has widespread utility in agriculture, forestry, and hydrology. It is also useful in retrieving soil moisture from microwave remote sensing observations. Providing a VWC estimate allows us to control a degree of freedom in the soil moisture retrieval process. However, these must be available in a timely fashion in order to be of value to routine applications, especially soil moisture retrieval. As part of the Soil Moisture Experiments 2002 (SMEX02), the potential of using satellite spectral reflectance measurements to map and monitor VWC for corn and soybean canopies was evaluated. Landsat Thematic Mapper and Enhanced Thematic Mapper Plus data and ground-based VWC measurements were used to establish relationships based on remotely sensed indices. The two indices studied were the Normalized Difference Vegetation Index (NDVI) and the Normalized Difference Water Index (NDWI). The NDVI saturated during the study period while the NDWI continued to reflect changes in VWC. NDWI was found to be superior based upon a quantitative analysis of bias and standard error. The method developed was used to map daily VWC for the watershed over the 1-month experiment period. It was also extended to a larger regional domain. In order to develop more robust and operational methods, we need to look at how we can utilize the MODIS instruments on the Terra and Aqua platforms, which can provide daily temporal coverage.     

空间遥感现状及未来发展

从第三十五届国际宇航联合会的空同遥感专业小组会议上可以看出,目前空间遥感的现状及未来发展前景。今后空间遥感将从具有单一遥感能力向具有综合遥感能力方面发展,不仅能对陆地,而且对海     

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。