基于PROSAIL模型及TM与实测数据的MODIS LAI精度评价

利用PROSAIL模型和TM影像反演的叶面积指数LAI及地面实测数据,从空间和时间序列上分别对吉林省主要玉米种植带的MODIS LAI产品精度进行验证分析,为准确评价和科学准确应用MODIS数据提供科学依据。研究结果表明,MODIS LAI产品精度因玉米生长时期和植被类型而异,混合像元是造成MODIS LAI产品低估玉米作物LAI值的主要原因之一;不同年份不同生长时期,MODIS LAI和实测数据表现出不同的关系;在玉米生长灌浆期之后,MODIS LAI产品与同期地面实测玉米LAI相比,约低估了33%～53%左右,MODIS LAI产品值明显低于TM影像反演的LAI值,约低估玉米LAI值约30%～69%左右。因MODIS LAI产品值与实际值有较大偏差,非常有必要对农作物MODIS LAI产品值进行验证分析,研究结果可为准确利用MODIS LAI产品及其算法改进后产品精度提供一种评价途径。     

MODIS/FAPAR在呼伦贝尔草原区的精度验证与分析

验证MODIS/FAPAR产品在温性草原地区的精度,以提高NPP估算精度,为区域碳平衡监测及合理安排草地畜牧业生产提供服务。该文选取两块2 km×2 km温性草甸类草地设计和进行FAPAR实测试验。以分辨率为32 m的北 京-1号卫星遥感数据对样地进行异质性分析,然后进行尺度上推,利用地面实测数据对1km的MODIS/FAPAR草原地区产品进行验证。结果表明,在草地生长季,MODIS/FAPAR产品的草地FAPAR季节变化与实测FAPAR季节变化趋势基本一致,但总体要比实测FAPAR要高,针茅样地MODIS/FAPAR值比实测值要高约13.7%,羊草样地为18.7%。MODIS/FAPAR算法对于局部区域过于粗糙,对草地类型多样的中国来说,需更多的野外试验资料,以反演适合不同草地类型的FAPAR算法。     

鄂尔多斯盆地海流兔河流域叶面积指数的时空变化及其与气象因子的关系

[目的]对海流兔河流域的叶面积指数(LAI)进行时间空间分析,并对比几种不同气象因子之间的关系,确定叶面积指数的时空变化及其与气象因子的关系,为该区能源的合理开发与生态环境保护提供理论依据。[方法]基于MODIS影像数据,利用线性回归法分析海流兔河流域叶面积指数的时间与空间变化趋势,并对LAI与不同气象因子进行相关性分析。[结果]90.87%的研究区域LAI值处于不断上升的趋势,仅有8.77%的区域不断降低,区域年平均LAI值增量达到0.002 2/a。[结论]流域内植被生长发育状况逐年改善。自然条件下降水量的对植被的生长发育状况影响最大,平均温度与相对湿度与叶面积指数相关性非常小,对海流兔河流域植被生长影响较小。     

锡林郭勒草原蒸散发月季动态及相关因子分析

蒸散发(Evapotranspiration,ET)的时空动态对理解水热对植被的影响具有重要作用。利用MODIS MOD16A2和MOD13A3月产品数据及气象数据,通过回归分析和相关分析等方法,研究了锡林郭勒草原不同类型草地近15年(2000—2014年)的ET月季动态及相关因子。结果表明:3—10月的ET均表现出草甸草原典型草原和沙地植被荒漠草原,1—2月和11—12月的ET均表现出草甸草原典型草原和沙地植被荒漠草原。荒漠草原11月ET最大,其余各类草原均在7月达到最大值;各类草原的最小ET均为5月。各类草原3—5月和10月的ET均为下降趋势,而1月、6月、7月和12月的ET均为上升趋势。春季、夏季和秋季的ET均表现出草甸草原典型草原和沙地植被荒漠草原,而冬季的ET表现出草甸草原典型草原和沙地植被荒漠草原。荒漠草原冬季ET最大,其余各类草原的ET均在夏季达到最大值。各类草原春季和秋季的ET均为下降趋势,而夏季和冬季的ET均为上升趋势。Pearson相关分析表明3—10月及春季、夏季和秋季的ET与NDVI和降水量显著正相关,与平均气温显著负相关(p0.05);相反,1—2月、11—12月及冬季的ET与降水量负相关,而与平均气温显著正相关(p0.05)。     

用多辐射校正水平遥感数据提取植被叶面积指数的精度分析

选用南京市SPOT5 HRG图像的地物反射率(PAC)、表观反射率(TOA)、星上辐射率(SR)和灰度值(DN)影像,提取了2种植被指数(VI),即归一化植被指数(NDVI)和比值植被指数(RVI),与地面实测的植被叶面积指数(LAI)进行了相关分析,并建立了157个LAI-VI关系模型。结果显示:LAI与VI呈显著的正相关关系(r=0.303~0.927,p0.01),对应不同植被的优选模型自变量包括了3个辐射校正水平的2种植被指数,可见基于不同辐射校正水平的植被指数在LAI遥感反演中具有一定的应用潜力。这些优选模型为:阔叶林:LAI=-3.345+5.378RVISR+7.329NDVISR(R2=0.818,RMSE=0.527),针阔混交林:LAI=1.696+17.076NDVIDN+137.684(NDVIDN)2-288.240(NDVIDN)3(R2=0.919,RMSE=0.440),灌木:LAI=-0.065+19.112NDVISR-113.820(NDVISR)2+184.207(NDVISR)3(R2=0.900,RMSE=0.448),草地:LAI=-5.905+6.446RVISR+9.477NDVISR(R2=0.944,RMSE=0.378),植被总体:LAI=-1.615+7.199NDVIDN+2.640NDVISR+2.105RVIPAC(R2=0.801,RMSE=0.668)。研究表明,基于不同植被类型、不同辐射校正水平影像的LAI遥感估算有利于充分挖掘遥感影像信息,进而提高LAI估算的精度。     

中小区域尺度时间序列林地LAI快速估测方法

时间序列LAI对模拟大气与植被边界上的碳水交换过程至关重要,其已经成为众多区域尺度的碳水循环机理模型研究中重要的驱动数据。针对低空间分辨率MODIS LAI产品在中小区域尺度应用时表达LAI的空间异质性精度差问题,该研究提出了一种中小区域尺度时间序列林地LAI快速估测方法。该方法首先提取了林地MODIS LAI的归一化生长曲线,利用三次样条插值函数进行归一化LAI曲线的拟合,以此曲线模拟LAI的全年变化情况;其次基于传统遥感统计模型和TM遥感数据估测展叶完全时期的LAI,作为研究区域LAI的最大值并以此控制LAI生长曲线;最后将归一化LAI拟合函数与最大LAI相乘得到时间序列LAI数据集。试验结果表明:MODIS LAI产品对中小区域尺度较高空间分辨率LAI值的估测不够准确,但MODIS LAI归一化生长曲线与归一化的实际LAI生长变化情况保持较高的一致性,可以用来模拟LAI的全年变化情况;该研究提出的方法可简单、高效地为中小区域尺度的其他研究提供有效的时间序列林地LAI数据。     

基于人工神经网络方法的冬小麦叶面积指数反演

实践中,大尺度上测量叶面积指数（LAI）很难实现,利用遥感技术进行LAI的定量反演成为当前研究的重点。该文应用MODIS地表反射率数据反演冬小麦叶面积指数,假设MODIS像元由作物和土壤混合,建立了SAILH模型与裸土反射率组成的线性光谱混合模型,基于人工神经网络的方法进行LAI反演,获得了北京顺义冬小麦种植区在2001年4月1个时间序列的LAI。研究表明,此方法能够较好的获取大区域尺度上的LAI,对冬小麦长势监测具有重要意义。     

基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演

大面积区域作物叶面积指数（LAI）遥感反演,对指导作物管理具有重要的意义。该文基于2008年5－7月在黑河流域开展的大型星－机－地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据,利用PROSAIL辐射传输模型和神经元网络方法反演春小麦LAI,并利用地面实测LAI进行验证和分析,结果表明：PROBA/CHRIS数据的最佳组合波段为band 4（555.1 nm）、band 9（696.9 nm）和band15（871.5 nm）,利用PROBA/CHRIS数据反演LAI时,3角度组合（0°、36°、55°）反演LAI精度最高（R2=0.854,RMSE=0.344;MAE=0.213）。随着观测角度增加LAI反演精度相应提高,但超过3个角度后,多观测角度数据会带来较大不确定性,影响神经元网络建模,导致LAI反演精度下降。     

阿勒泰地区不同草地类型植被特征

天然草原是新疆阿勒泰地区畜牧业生产赖以生存的主要物质基础之一,也是阿勒泰地区最大的生态屏障。为了弄清阿勒泰地区不同草地类型的植被特征,以及将阿勒泰地区草地生物量空间分布以遥感图形式来展现,利用阿勒泰地区162个草地监测样地(365个草地样方)生物量及其他植被因子监测数据,分析了阿勒泰地区9个草地类型的植被组成、海拔高度、植被高度、盖度、生物量;同时,借助ArcGIS软件制作了2014年的生物量分布图。结果显示:(1)不同草地类型的海拔高度大小排列为:高寒草甸山地草甸温性草甸草原温性草原温性荒漠化草原温性草原化荒漠温性荒漠沼泽低地草甸;(2)植被盖度排序为:沼泽低地草甸山地草甸高寒草甸温性草甸草原温性荒漠草原温性草原温性荒漠温性草原化荒漠;(3)地表生物量排序为:沼泽低地草甸温性草甸草原山地草甸温性草原高寒草甸温性草原化荒漠温性荒漠;(4)植被高度排序为:沼泽低地草甸温性草甸草原山地草甸温性草原温性草原化荒漠温性荒漠草原高寒草甸温性荒漠;(5)实测生物量与归一化植被指数NDVI的关系可用幂函数来模拟:y=7695.807x~(1.327)(R~2=0.421,p0.05);(6)阿勒泰草原生物量在空间上呈现自南向北增加的分布特征,这与该区水分自南向北递增的趋势一致。依据行政区划富蕴、福海、吉木乃县以南地表植被地上生物量水平较低,越向古尔班通古特沙漠方向生物量值越低。     

龟裂碱土对植被冠层光谱特征及长势预测的影响

为了通过统一土壤背景来量化龟裂碱土对其上覆植被冠层光谱的影响,通过野外原位测定,系统分析了龟裂碱土上覆植被在自然和覆盖条件下5个典型生育期冠层光谱特征、光谱反射率与叶片叶绿素值和叶面积指数（leaf area index,LAI）之间的关系,进而建立了不同条件下2个生理指标的预测模型。结果表明：覆盖条件下向日葵三对叶期冠层光谱反射率较自然条件下在400～520和1 027～1 130 nm平均降低了0.10,在521～1 026 nm平均降低了0.18;其他生育期覆盖条件下冠层光谱反射率较自然条件下在可见光波段下降,在近红外区域增加（其中七对叶期在720～1 050 nm平均增幅为11.29%）。自然条件下三对叶期冠层光谱反射率与叶绿素值和LAI平均相关系数分别为0.68和0.47,开花期、乳熟期光谱反射率与叶绿素值和LAI与三对叶期相关性相似;其他2个生育期冠层光谱反射率自然条件下在可见光波段与2个生理指标平均相关系数分别为-0.27和-0.52,在近红外区域分别为0.53和0.69,覆盖条件下相关系数明显高于自然条件。三对叶期建立的叶片叶绿素值和LAI预测方程决定系数最小,现蕾期最大。除三对叶期外,其他时期对2个生理指标的预测模型的拟合度都较高（RSPAD为0.61～0.88,RLAI为0.72～0.92）,预测能力也较强;引入土壤pH值可以增强模型的稳定性和预测能力。研究结果可为该地区龟裂碱土上覆植被长势估测提供理论依据。     

Validation and Correction of MOD15‐LAI using In Situ Rice LAI in Southern China

Abstract

MOD15 are one of the standard science products available from the moderate resolution imaging spectroradiometer (MODIS) instrument on the Earth‐observing system (EOS) Terra platform, launched in December 1999. An important requirement of MODIS science products is that they be rigorously validated. In this study, a site intensive MOD15‐LAI (leaf area index) product validation was conducted in southern China in 2003. Results showed that the differences between in situ rice LAI and MOD15‐LAI change in different rice growth. The differences are larger in booting stage, heading stage, and milking stage, but smaller in tiller stage and maturing stage. Otherwise, results indicate that the MODIS algorithm will underestimate LAI value by about 5–10% in total from 1‐km resolution data over the in situ rice LAI in southern China the mean and standard deviation deviated from MOD15‐LAI are smaller than those of in situ rice LAI. Last, according to different stages of rice growth, corrected models were established, and the corrected MOD15‐LAI matched well with in situ LAI.     

水稻叶面积指数与MODIS植被指数、红边位置之间的相关分析

对模拟中分辨率成像光谱仪（MODIS）两个植被指数归一化植被指数（NDVI）、增强植被指数（EVI）以及红边位置（REP）与水稻叶面积指数（LAI）进行了相关研究。利用光谱分辨率为3 nm 的ASD FieldSpec UV/VNIR 光谱仪获得了2002年两个不同水稻品种——杂交稻和常规稻整个生长期的高光谱数据，同时对水稻LAI进行了测定。利用一阶微分计算红边位移。模拟了MODIS 3个波段，波段1(620-670 nm，红波段)，波段2(841～876 nm，近红外)和波段3(459～479 nm，蓝波段)，并用这些波段计算了MODIS-NDVI和EVI。结果表明：对于常规稻，MODIS-NDVI、EVI和REP与水稻LAI呈现出良好的相关性；而对于杂交稻，与水稻LAI相关性来说，MODIS-EVI和REP要比MODIS-NDVI更敏感。分析原因，主要是因为杂交稻同常规稻相比在生长的中后期LAI比较大，MODIS-NDVI容易饱和；而MODIS-EVI和REP由于可以消除背景影响，增强对LAI的敏感性。因此MODIS-EVI和REP可以更有效地监测水稻叶面积指数。     

联合Terra/Aqua MODIS多角度多光谱数据反演冬小麦叶面积指数

Terra与Aqua双星搭载的MODIS传感器可实现每日上下午分别对同一地点观测一次,并且由于卫星轨道漂移形成累积连续多天的多角度观测特点,加上多通道的光谱响应,极大地丰富了地表目标的观测信息,为LAI等地表参数的实时准确反演提供了可能。该文利用MODIS双星高质量的连续多天的多波段地表反射率数据,结合PROSAIL(PROSPECT+SAIL,properties spectra+scattering by arbitrarily inclined leaves)模型和查找表方法反演冬小麦LAI,并与MODIS LAI产品及野外采样点实测LAI对比,结果表明,联合双星高质量的多角度多波段数据能够较准确反演冬小麦LAI,其反演结果无论从空间分布还是时序变化特征来讲,较MODIS LAI产品更符合实际情况,也更接近地面实测值。该文的研究为充分利用MODIS数据的角度和光谱信息反演小麦等农作物的LAI提供了一定的借鉴。     

基于MODIS反演逐日LAI及SIMRIW模型的冷害对水稻单产的影响研究

该文旨在将遥感技术与水稻作物模型SIMRIW相结合,以黑龙江省五常市为例,研究冷害对水稻单产的影响。通过在水稻移栽期至成熟期选取的系列MODIS图像计算NDVI,进而反演水稻全生育期逐日LAI,结合SIMRIW模型计算水稻单产。计算结果表明2006年五常市水稻单产值为5411.74 kg/hm^2,为实际值的83%;而在4种用于LAI反演的统计模型中,抛物线模型精度最好;整体拟合法在逐日LAI计算中要优于分段拟合法。这说明应用MODIS能够准确反演并拟合逐日LAI,它可为冷害影响水稻单产的评价研究提供参考。     

基于时间序列LAI和ET同化的冬小麦遥感估产方法比较

为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。     

DEVELOPMENT OF A VEGETATION INDEX FOR ESTIMATION OF LEAF AREA INDEX BASED ON SIMULATION MODELING

Leaf area index (LAI) is an important structural variable for quantitative analysis of the energy and mass exchange characteristics of a terrestrial ecosystem. The objective of the research was to use the Scattering by Arbitrarily Inclined Leaves (SAIL) model to develop a new vegetation index for estimating LAI based on the Ratio Vegetation Index (RVI) and Perpendicular Vegetation Index (PVI). In the study, RVIs and PVIs were derived from the SAIL-simulated reflectance, and several potential limitations of RVI and PVI in LAI estimation were identified. First, for a given LAI level, a dark soil background resulted in higher RVI values and overestimated LAI values. The reverse was true for light colored soils. On the contrary, the PVI tended to underestimate LAI for dark soil background and overestimate LAI for light soil background. The RVI behaves oppositely to PVI in LAI estimation for same soil background. Based on these results, a new vegetation index (RMPVI: RVI Multiplied by PVI Vegetation Index) was constructed, and the sensitivity of this index to LAI was then evaluated and the performance of RMPVI in LAI estimation was compared with those of other vegetation indices. The results show that the RMPVI can greatly minimize the soil background influences, and is more sensitive to LAI than other indices, especially when LAI is greater than 2. As for LAI estimation, RMPVI can yield highest R² than other vegetation indices used in the study, with a root mean square error (RMSE) of 0.16, which shows RMVPI is an efficient index for LAI estimation.     

WOFOST模型同化时序HJ CCD数据反演叶面积指数

为增强作物叶面积指数遥感反演的机理性并提高反演精度,在深入分析作物长势模型WOFOST机理的基础上,采用最小二乘法作为同化算法,以生长季内获取的时序HJCCD遥感数据作为外部数据源,反演冬小麦叶面积指数进行长势监测和估产应用。以河北省玉田县为试验区,以三要素法和实测LAI作为基准,模型模拟产量和LAI作为反演精度的度量指标,成熟期LAI估算误差由模型同化前的14.95%降至同化后的9.97%,产量误差由同化前的18.17%降为同化后的15.89%。叶面积指数的同化结果与实测数据具有较好的拟合度,表明该方法的具有一定可行性,为作物生长模型区域化应用提供了参考。     

2000－2008年内蒙古草原MODIS NDVI时空特征变化

该文选用2000－2008年的MODIS NDVI数据,采用统计学的分析方法,研究了内蒙古草原中温性草原、温性荒漠、低地草甸、温性荒漠草原、温性草甸草原、温性草原化荒漠、山地草甸7类主要植被类型9 a来年度NDVImax空间变化趋势、波动程度、出现时间等植被指数时空特征。结果显示,2000－2008年间,内蒙古草原植被总体趋于恢复。各类型草原年度NDVImax平均值趋于增加,NDVImax介于(0,0.4]之间的低盖度草原植被面积趋于减少,NDVImax介于(0.4,1]之间的高盖度草原植被面积趋于增加。在空间上,67.15%的草原面积植被状况趋于好转,32.85%的草原面积植被状况趋于恶化,2008年植被状况是9年来最好的一年。除温性荒漠外,内蒙古草原各植被类型NDVImax从6月底开始集中出现,至9月底结束,其中8月是温性草原和草甸类草原NDVImax集中出现的重要时期。