北京山区森林叶面积指数季相变化遥感监测

森林叶面积指数(LAI)遥感反演,对于区域环境生态监测具有重要意义。该文以北京市西北山区鹫峰国家森林公园为研究区,获取多时相Landsat5 TM数据,并利用半球形照相机(Hemispherical Photography)同步获取森林LAI。使用3种植被指数(归一化植被指数NDVI、增强植被指数EVI和三梯度差植被指数TGDVI),分别建立单个观测时期及整个时期的LAI反演模型,通过相关性分析筛选出最佳模型。研究表明利用整个时期的LAI建立的模型精度较高,其中最好的是基于NDVI的LAI指数模型。利用该模型反演森林LAI,生成基于时间序列的北京山区森林LAI分布图。该研究进一步分析了阔叶林、针叶林和混交林3种情况,结果表明,与不分植被类型的LAI反演模型精度比较,阔叶林和混交林有所提高,而针叶林稍微下降,但模型精度均达到显著水平。     

基于互补相关模型和IKONOS数据的农田蒸散时空特征分析

获取田块内高分辨率农田实际蒸散信息对于精准农业中制定灌溉计划、变量处方实施及评价水分利用效率等具有重要参考价值,将传统方法与遥感结合并生成精细田块尺度的农田蒸散成为当前研究热点方向。本文基于互补相关模型和北京2011年3－6月份间内气象观测数据进行了冬小麦实际蒸散估算,并利用大型蒸渗仪对结果进行了验证和分析。最后将互补相关模型与高空间分辨率遥感数据结合实现了田块尺度农田瞬时蒸散估算,并结合蒸发比率不变法实现了日尺度蒸散扩展。结果表明：在2011年3－6月间试验区内冬小麦总耗水量达到469.12 mm,其中在灌浆期5月份耗水比重最大,占到总量近二分之一;互补相关模型估算精度整体较高,其中在5月份估算精度最高（R2=0.863,RMSE=0.103 mm）;扩展后的日尺度蒸散量与实测结果非常一致（R2=0.937,RMSE=0.668 mm）。上述结果表明在没有土壤温、湿度数据及高分辨率热红外遥感数据条件下,仅利用互补相关模型,并结合气象观测数据和高分辨率遥感数据即可估算出精细尺度农田蒸散。