冬小麦叶面积矫正系数及叶面积指数的研究

以河北省目前生产上应用的四个冬小麦品种为对象，研究了冬小麦春生六叶片的叶面积矫正系数及群体叶面积指数的速测方法。结果表明：（１）ｒ值与密度无关；（２）品种间ｒ值无差异；（３）春生六片叶间ｒ值差异显著，随着叶位升高ｒ值变小，根据ｒ值可将六片叶分为三组，     

基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演

【目的】考虑到利用单一植被指数（VI）反演叶面积指数(LAI)时,存在着不同程度的饱和性和易受土壤背景影响的问题,提出通过分段的方式选择敏感植被指数形成最佳VI组合以提高LAI反演的精度。【方法】通过ACRM辐射传输模型模拟数据,结合地面实测光谱数据,选择常用的植被指数进行土壤敏感性分析以及饱和性分析确定LAI的分段点,并在此基础上分段选择最佳植被指数形成组合VI来实现LAI的最终反演,并利Landsat5 TM开展区域条件下冬小麦LAI反演应用。【结果】以LAI=3是较为适宜的分段点,利用植被指数最佳分段组合OSAVI(LAI≤3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响因素以及饱和性问题,联合反演的结果明确优于单一植被指数反演精度。【结论】通过分段选择最佳植被指数形成联合VI可以有效提高LAI反演精度。     

不同灌溉条件下冬小麦叶面积指数的高光谱监测

LAI是作物长势监测的一个重要指标,实时、无损和准确地估测冬小麦LAI具有重要的实践意义。通过对冬小麦进行不同的灌溉处理试验,研究LAI与冠层光谱反射率的关系,计算350～2 450 nm不同波段组合的原始光谱指数和导数光谱指数,筛选最优波段组合光谱指数,并建立LAI的监测模型。结果表明,冬小麦LAI与冠层光谱反射率和不同波段组合光谱指数相关性较好;冬小麦LAI监测的最优光谱指数为DVI(435,447),以此为自变量建立的指数模型y=10.669e~(-701.9x)表现最优,模型最稳定。     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。     

基于无人机多光谱遥感的冬小麦叶面积指数反演

以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

冬小麦叶面积指数的空间结构性分析

通过对冬小麦抽穗期的生理性状指标——叶面积指数(LA I)的采样分析,探讨LA I的空间结构性,并建立变差函数模型。结果表明:该变量具有明显的区域化变量特征和较好的空间结构性,可用区域化变量理论进行分析研究。该模型的建立弥补了单纯采用经典概率统计法对作物生理性状进行分析的不足。     

棉花叶面积指数的遥感估算模型研究

 【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec? 手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2 均达到了极显著水平。     

植被叶面积指数遥感反演方法研究进展

叶面积指数(leaf area index,LAI)是描述植被冠层结构关键参数。本文着重介绍遥感反演植被LAI模型理论发展,以及国内外利用不同传感器数据估测LAI的研究进展。     

基于CASI高光谱遥感数据的森林叶面积指数反演

高光谱遥感技术能够快捷、准确、无损坏地估测森林LAI,从而有效地监测森林长势,估测森林生物量,评价森林病虫害等。以黑龙江凉水自然保护区为例,利用高光谱遥感技术和GPS测量技术,结合地面实测LAI数据,采用从CASI图像提取的NDVI、SR、MSAVI 3种植被指数,与地面实测的LAI建立统计回归模型,然后再从众多的统计模型中根据相关系数,筛选出由CASI反演LAI的最佳植被指数和回归模型。     

大兴安岭地区森林叶面积指数测定与遥感估算

为研究分树种测定并估算植被叶面积指数(IL,A),以大兴安岭地区塔河林业局为研究区域,利用TRAC-Ⅱ对41个样地真实叶面积指数进行了测定,并与基于TM遥感影像提取的植被指数进行了相关性分析,建立模型进行IL,A估算。对外业实测样地数据与其对应提取的遥感数据进行了两种分析:一种为纯针叶树种区域分析,另一种为不分树种的区域分析。结果表明:归一化植被指数(IN,D,V)、差值植被指数(IR,V)、比值植被指数(ID,V)与IL,A均有较高的相关性,其中IN,D,V与IL,A的相关性最好,在纯针叶树种区域分析中R2=82.1%,在不分树种的区域分析中R2=77.1%。分析结果还表明:分树种后的纯针叶树种区域分析比不分树种的区域分析估算IL,A的精度明显提高,估算模型精度提高了5%。     

基于植被指数与叶面积指数的水稻生长状况监测

在江苏省高邮、兴化、阜宁、洪泽分别选择了一个样点,在水稻反射光谱特性与水稻生物学参数荚未的支持下,探讨了基于NOAA／AVHRR遥感影像的归一化植被指数（NDVI）与地面观测数据叶面积指数（LAI）的关系,实现大面积水稻LAI的反演,并以江苏省高邮市为例进行了水稻长势遥感豁测。     

基于ALI影像的植被冠层叶面积指数的遥感反演研究

以鄱阳湖源头之一的梅江流域作为研究区,该地区植被多呈混交状态,且疏密程度不均,针对这一特性,采用EO-1上搭栽的高级陆地成像仪（ALI）生成的多光谱影像作为遥感信息源,对该影像预处理后计算各植被指数信息;考虑到研究区裸地比较多,其中垂直植被指数（PVI）的计算引入土壤线参数.同时,借助植物冠层分析仪LAI-2000实地测量获得研究区的LAI值,而后对采样所得的LAI数据与通过遥感影像所获得的植被指数建立空间位置上的联系,提取出相应点的VI值,拟合两者之间的关系,得到相应的反演模型,在回归模型中依据相关系数R2找出最佳模型,最后反演制图得到该研究区的植被冠层LAI图.     

大气校正模型对阔叶林叶面积指数遥感估算的影响

【目的】为利用遥感技术定量提取区域尺度的阔叶林叶面积指数前的大气校正模型选择提供科学依据.【方法】分别利用6S模型、FLAASH模型和ATCOR2模型对Landsat 8 OLI影像进行了大气校正,分析了3种模型下的阔叶林叶面积指数(LAI)与多种植被指数(VI)相关性,建立了LAI-VI的线性和非线性的回归模型,最后通过验证数据组LAI预测值(Y)与LAI实测值(X)的均方根误差(RMSE)及线性相关性大小对阔叶林LAI遥感估算结果进行了精度对比.【结果和结论】ATCOR2模型不适于阔叶林LAI-VI的回归建模;除比值植被指数(RVI)外,FLAASH模型与6S模型下的阔叶林LAI与增强型植被指数(EVI)、修正土壤调节植被指数(MSAVI)有较好的相关性,其中FLAASH模型下的阔叶林LAI-MSAVI幂函数模型拟合优度最佳;FLAASH模型的阔叶林LAI估算精度优于6S模型;借助遥感技术定量提取植被生理参数时,应慎重选择适宜的大气校正模型.     

基于双波段光谱仪CGMD-302的小麦叶面积指数和叶干重监测

为探究双波段光谱仪CGMD-302在监测小麦长势上的可靠性与精准性,同时使用高光谱仪UniSpec SC与双波段光谱仪CGMD-302测试各生育时期小麦冠层信息,并定量分析了植被指数NDVI、RVI、DVI与叶面积指数和叶片干重之间的线性关系。结果表明,基于相同波段反射率计算出的高光谱仪植被指数和双波段光谱仪植被指数均能较好监测小麦群体长势。在CGMD-302监测的叶面积指数模型中,拟合方程的决定系数(R~2)均高于0.89,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于0.792和0.225;叶片干重模型中,决定系数(R2)均高于0.85,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于440kg/hm~2和0.239。通过分析发现,施氮270kg/hm~2既能保证产量又能兼顾品质,可作为适宜施氮量。适宜施氮量下,拔节期和孕穗期小麦适宜叶面积指数分别为:3.65±0.09和5.95±0.32;适宜叶干重分别为:(1 554±168)和(2 231±130)kg/hm~2。结合CGMD-302监测模型可推算出拔节期和孕穗期适宜冠层群体的植被指数区间并应用于冠层群体诊断。     

应用遥感数据反演针叶林有效叶面积指数研究

以红壤丘陵典型区千烟洲及其周边为研究区,利用陆地卫星TM图像数据和同期野外实测的37个针叶林样地有效叶面积指数数据,分析了遥感植被指数与湿地松、杉木林、马尾松和针叶林总体之间的相关关系,进而分别建立了遥感植被指数与不同林型针叶林有效叶面积指数间的线性与非线性回归模型.研究表明,遥感植被指数与不同林型针叶林有效叶面积指数存在较好的相关性,但不同林型之间的相关系数存在一定差异;所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高.     

冬小麦抽穗期长势遥感监测的初步研究

小麦抽穗期是其生长的关键阶段,田间群体较大、郁蔽,抵抗力弱,常遇高温高湿天气,也是病虫害多发时期.因此,及时监测小麦抽穗期的苗情长势,是制定和采取科学管理措施的必要前提.有学者曾使用NOAAAVHRR、EOSMODIS数据进行小麦长势监测研究[1~3],由于这些影像的空间分辨率较低,常常造成"同物异谱"或"异物同谱"现象,使得监测精度降低.本研究利用分辨率较高的TM影像数据并结合实地GPS定位调查,试图通过分析TM影像植被指数与小麦抽穗期叶面积指数、生物量以及植株氮素含量的关系,建立上述群体质量指标监测模型,为小麦抽穗阶段的农田精确管理提供信息支持.     

不同叶面积指数遥感产品在浙江省的差异比较研究

本文比较分析了三种基于MODIS数据生成的LAI遥感产品(MOD15 LAI、MCD15 LAI和GLASS LAI)在浙江省的差异;以地面观测的LAI结合TM遥感数据生成的30 m分辨率LAI数据(LAITM)为参考,评价了它们在浙江省天童山常绿阔叶林地区的可靠性。研究发现,三种LAI遥感产品在可靠性、大小、空间格局及变化趋势上均存在显著差异:GLASS LAI表现优于MOD15 LAI和MCD15 LAI,GLASS LAI与LAITM具有较好的相关性(R2=0.61,RMSE=1.20),而MOD15 LAI和MCD15 LAI与LAITM的一致性较差(RMSE分别为1.42和1.63)。2003—2012年期间,基于GLASS LAI得到的浙江省LAI年平均值(2.13 m2/m2)分别高出MOD15 LAI和MCD15 LAI约23%和12%;而GLASS LAI年最大值的10年平均值(3.82 m2/m2)比MOD15 LAI和MCD15 LAI的值都偏低约30%。2003—2012年期间,GLASS LAI年平均值在浙江省显著升高和下降的面积比例分别为16.6%和14.7%;MOD15 LAI和MCD15 LAI分别在全省21.8%和13.7%的地区呈明显下降趋势,明显升高地区分别仅占1.2%和4.0%。三种LAI遥感产品的全省年平均值方面,GLASS LAI具有较大的年际波动,但趋势不明显;MCD15 LAI略有下降;而MOD15 LAI呈现较为明显的下降趋势(0.02 m2/m2,P=0.06)。     

佳木斯冬小麦生长的气象卫星遥感监测

气象卫星技术投入农业使用后,人们开始利用气象卫星遥感监测系统对农作物的生长过程进行全面的了解和掌控,并及时运用监测到的信息和获取的卫星图像来估算农作物产量和种植面积等。以佳木斯冬小麦生长为例,运用气象卫星遥感监测获取的气象卫星资料和地面观测资料为当地冬小麦长势分析提供参考依据。     

红壤丘陵区针叶林有效叶面积指数遥感反演模型

以红壤丘陵典型区千烟洲及其周边为研究区，利用陆地卫星TM图像数据和同期野外实测5的37个针叶林样地有效叶面积指数数据，分析了遥感植被指数(NDVI)与湿地松、杉木林、马尾松和针叶林总体之间的相关关系，进而分别建立了NDVI与不同林型针叶林有效叶面积指数间的线性与非线性回归模型。研究表明，NDVI与不同林型针叶林的有效叶面积指数存在较好的相关性，但不同林型之间的相关系数存在一定差异；所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高。