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。     

基于DART模型和随机森林估算山地叶面积指数

地形效应会使遥感影像中的地表反射率发生畸变,进而影响基于反射率估算的叶面积指数(Leaf Area Index,LAI)精度。为了减弱或消除地形对LAI反演的影响,基于三维辐射传输模型DART(Discrete Anisotropic Radiative Transfer)构建坡地反射率与LAI数据集作为训练数据。以反射率为输入,LAI为输出,利用随机森林算法进行训练,构建山地LAI反演模型。结合实际遥感影像数据实现山地LAI的估算,并利用实测数据对反演结果开展精度评价。同时,基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性。结果表明：考虑了地形影响的山地LAI反演模型具有较强的估算能力,验证结果的精度(决定系数(R²)=0.57,均方根误差(RMSE)=0.77 m²/m²)优于平地反演模型(R2=0.46,RMSE=0.86 m2/m2);基于DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响,其反演结果较好地还原了研究区LAI的空间分布,与地面真实情况接近。研究...     

山地地表生态参量遥感反演的理论、方法与问题

山地在维持生物多样性、调节区域气候和涵养水源等多个方面具有非常重要的生态服务功能。由于存在高度的时—空异质性,山地地表生态参量的反演面临更多理论和技术上的难题,也对定量遥感的发展提出了新的要求。梳理了山地地表生态参量遥感反演的研究进展,讨论了进一步提高山地地表生态参量遥感反演能力的关键理论、技术及存在问题。只有模型、观测和数据处理方法3个环节的共同进步和有机结合才能推动山地定量遥感继续向前发展。反演山地生态参量不仅需要已有理论和技术的提升,同时还需要方法论上的突破。     

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Landsat8热红外遥感数据的山地地表温度地形效应研究

地表温度是影响地表能量收支平衡的重要参量,能够综合反演地表的水热交换过程。虽然当前在基于地表温度开展全球或者区域尺度的地表能量平衡研究方面取得一系列的进展,但是面向山地区域尺度的类似研究仍然面临较大的挑战。为分析山地复杂地形对山地地表温度时空分布的影响规律,基于具有较高空间分辨率的Landsat 8热红外数据,以我国西南典型山地为研究对象,定量反演该区域的地表温度空间分布状况,结合SRTM90DEM数据,选择从海拔、坡度和坡向3个关键地形因子角度分析山地地表温度的地形效应特征。结果发现:山地地表温度随地形因子均呈现出十分显著的变化特征。总体而言,地表温度均随着海拔和坡度的升高而降低,而在坡向方面,南坡的温度相比北坡的温度要高。在地形效应分析的基础上,通过开展1km空间尺度地形和地表温度的空间统计分析发现,山地1km尺度下地表温度存在较大的空间异质性,且其影响不可忽略。研究结果表明:开展山地地表水热过程遥感动态监测需高空间分辨率地表温度作为数据支持,以准确描述山地地形因素对地表能量交换过程的影响。     

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。     

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。     

基于多源多时相遥感影像的山地森林分类决策树模型研究

山地是森林重要的分布区,然而山地多样的森林类型、高度异质化的景观格局、突出的地形效应以及云、雾的干扰均不同程度地影响了山地森林类型的遥感自动制图。多源多时相遥感影像提供的季相节律信息是当前提高土地覆被遥感制图精度的重要信息源之一。以岷江上游地区为研究区,以国产环境减灾卫星多光谱CCD(简称HJ CCD)影像和美国Landsat TM影像为数据源,以决策树为分类方法,根据参与分类影像的时相差异设计了5组对比实验(生长季单时相组、非生长季单时相组、生长季多时相组、非生长季多时相组、全时相组),对比论证多源多时相遥感影像对山地森林类型自动制图的贡献和作用。对比结果表明:生长季和非生长季相结合的多时相遥感影像较单时相或单一类型(生长季或非生长季)多时相遥感影像,更能显著提高山地森林类型自动制图精度,且能降低分类决策树的复杂程度,更有利于山地森林类型的自动提取。     

基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究

地上生物量是衡量草地长势及生态系统服务功能的重要参数,对于草地生态系统碳收支、资源可持续开发等研究具有重要意义。研究基于若尔盖高原典型样带的无人机可见光影像和地面实测样本,建立生物量与多种可见光植被指数的指数回归模型,对比不同植被指数模型的生物量估算精度的差异。结果表明:可见光植被指数能够有效区分草地和其他覆盖类型,生物量与植被指数具有较好的相关关系。但基于不同波段建立的植被指数对生物量的估算精度存在差异,其中利用红、绿波段建立的植被指数NGRDI模型对生物量具有最高的模拟精度(R~2=0.856)和预测精度(验证样本ABE=94g/m~2,RMSE=124g/m~2)。研究获取了高空间分辨率的草地地上生物量,相关成果可为若尔盖高原碳收支、卫星遥感产品真实性检验、生态模型、资源可持续利用等研究提供方法与数据支撑。     

中国西南山区GEOV１、GLASS和MODISLAI产品的对比分析

叶面积指数(LeafAreaIndex,LAI)是表征植被生物物理变化和冠层结构特征的关键参数,目前存在多个全球范围、长时间序列LAI产品,对其进行验证是LAI产品应用的重要前提,然而目前山区的验证工作尤其少见.在我国西南山区选取６个典型样区,考虑山区复杂地形特征,从产品时空完整性以及对山区植被时空特征表征能力等方面对GEOV１、GLASS和MODISLAI产品进行对比分析.研究结果表明:①相比于地形平坦地区,在山区随海拔和地形起伏度的增加,LAI产品时空完整性呈递减的趋势,其中,GEOV１LAI表现最差,MODISLAI次之,GLASSLAI表现最好;②GLASSLAI和GEOV１LAI的空间分布合理且具有较好的一致性,MODISLAI的空间分布和二者存在差异,３种LAI产品均难以准确反映山区植被垂直带谱的变化特征;③草地类型LAI产品间差值较小,林地和农作物GLASSLAI和GEOV１LAI产品一致性较好,MODISLAI产品和二者存在较大的差异;④GLASSLAI时间序列曲线平滑且连续,GEOV１LAI存在时间不连续现象,MODISLAI季相变化中的波动现象比较严重;各产品不仅难以准确反映冬季的常绿针叶林LAI,而且难以准确表征样区内农田作物轮作的物候信息.对比分析有助于发现LAI产品在山区存在的问题,并为今后LAI产品的算法改进提供帮助和参考.