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.     

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。     

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。     

应用遥感数据反演针叶林有效叶面积指数

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.     

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.     

基于环境减灾小卫星数据叶面积指数的反演

叶面积指数是反映农田信息的重要参数之一,因此获取叶面积指数成为农情遥感的一项重要内容。利用田间实测调查数据,系统分析了环境星的归一化植被指数（NDVI）与宾县地区主要作物玉米和水稻叶面积指数的关系,并采用简单线性模型、多项式模型和对数模型建立作物叶面积指数的估算模型进行最优反演。结果表明：玉米和水稻叶面积指数的最优反演模型都采用多项式模型,精度分别达到了0．805和0．810,并采用该模型进行反演。     

运用光谱技术改进Beer-Lambert定律的定量化及其应用研究

 运用简便、快捷的无损测试提供的归一化植被指数（normalized difference vegetation index, NDVI）方法，对Beer-Lambert定律进行定量化改进，构建了以NDVI为自变量的LAI预测模型，并采用不同年份、不同株型的玉米数据对其改进结果进行检验。结果表明，当生长55 d时，叶向值（LOV）显著不同的3种株型的NDVI、LAI和消光系数K的差异均最大；披散型（LOV≤30°）NDVI饱和点的出现较中间型和紧凑型为早；利用NDVI改进Beer-Lambert定律的定量预测模型能够敏感反映植株冠层结构参数的动态变化，且最适用于紧凑型品种。随着玉米育种目标更偏向培育偏紧凑型品种，其改进结果在育种栽培实际中更有利用价值。     

不同叶面积指数遥感反演方法对红壤丘陵区森林的适用性分析

利用Landsat TM遥感影像和同期的叶面积指数(LAI)观测数据生成了江西省泰和县30 m LAI图.据此比较了基于4-尺度几何光学模型反演的LAI和MODIS LAI的质量.结果表明,基于4-尺度几何光学模型反演的LAI和MODIS LAI存在着明显的差异,两者相关的R2为0.312 5,在1 km尺度两者的平均值比TM LAI的平均值分别偏低14.0%和11.7%;在LAI低值区,MODIS LAI偏高,基于4-尺度几何光学模型反演的LAI偏低,而在LAI的高值区(LAI ＞6.0),MODIS LAI和基于4-尺度几何光学模型反演的LAI都偏低,MODIS LAI的偏低尤为明显,达31.4%.     

河南省夏玉米区域化苗情长势遥感指标研究

通过野外样点布设获取农学参数叶面积指数等,将河南省分为4个遥感生态区,经过数理统计分析,获得分区域的夏玉米叶面积指数指标;在MODIS遥感数据的基础上获取和观测时间一致的遥感参数,进行叶面积指数和归一化植被指数(NDVI)的相关分析.结果显示,NDVI和叶面积指数显著相关,则建立回归方程通过农学参数指标确定遥感指标,对处于不同发育期的不同区域采用不同指标划分夏玉米苗情等级,提高了监测精度.     

夏玉米叶面积指数的高光谱遥感植被指数法研究

通过不同品种夏玉米在不同供氮水平下的田间试验,测定夏玉米冠层在不同时期的光谱反射率及对应的群体叶面积指数(LAI),综合分析10个常见光谱植被指数与夏玉米LAI的相关性及预测性.结果表明,光谱植被指数的预测性在夏玉米喇叭口-吐丝期最佳,预测性主要依赖于LAI的整体变化,结合不同品种、不同生育时期和氮肥处理的试验资料对其预测性进行检验,说明光谱植被指数能准确地预测LAI.尤其是近红外与绿光波段的比值(R810/R560)与LAI呈显著的指数关系,不受品种类别、生育时期和氮肥水平的影响,回归模型为LAI=0.765e0.2637R810/R560.利用样本A和B对R810/R560的预测性进行综合检验,表明模拟值与实测值之间符合度较高,平均R2＝0.9573**,估算的平均RMSE为0.0365,精确度和准确度平均值分别为95.63%和 98.47%.     

不同光谱植被指数反演冬小麦叶氮含量的敏感性研究

【目的】氮素是作物生长发育过程中最重要的营养元素之一,研究叶氮含量反演的有效光谱指标设置,为应用高光谱植被指数反演作物叶氮含量,以及作物的实时监测与精确诊断提供重要依据。【方法】以冬小麦为例,选取涵盖冬小麦全生育期不同覆盖程度225组冠层光谱与叶氮含量数据,通过遥感方法建立模型,模拟了不同光谱指标,即中心波长、信噪比和波段宽度对定量模型的影响,通过模型精度评价指标决定系数(coefficient of determination,R~2)、根均方差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01)确定最优模型及最佳指标,分析光谱指标对叶氮含量定量模型反演的敏感性和有效性。【结果】反演冬小麦叶氮含量的最佳植被指数为MTCI_B,与实测叶氮含量的相关性最好(R~2=0.7674,RMSE=0.5511%,MAE=0.4625%,MRE=11.11个百分点,且P0.01),对应的最佳指标为中心波长420 nm、508 nm和405 nm,波段宽度1 nm,信噪比大于70 DB;高覆盖状况反演的最优指数为RVIinf_r(R~2=0.6739,RMSE=0.2964%,MAE=0.2851%,MRE=6.44个百分点,且P0.01),最优中心波长为826 nm和760 nm;低覆盖状况反演的最优指数为MTCI(R~2=0.8252,RMSE=0.4032%,MAE=0.4408%,MRE=12.22个百分点,且P0.01),最优中心波长为750 nm、693 nm和680 nm;应用最适于高低覆盖的植被指数RVIinf_r和MTCI构建的联合反演模型(R~2=0.9286,RMSE=0.3416%,MAE=0.2988%,MRE=7.16个百分点,且P0.01),明显优于最佳单一指数MTCI_B;模拟Hyperion和HJ1A-HSI传感器数据,联合反演模型精度(R~2为0.92—0.93,RMSE在0.37%—0.39%,MAE为0.285%左右,MRE约为7.00个百分点)明显优于单一植被指数反演精度(R~2为0.79—0.81,RMSE为0.63%—0.66%,MAE为0.455%左右,MRE约为10.90个百分点)。【结论】利用高光谱植被指数可有效实现作物叶氮含量反演,作物叶氮含量定量反演对不同光谱指标—中心波长、信噪比和波段宽度,具有较强敏感性。应用多指数联合反演模型,可显著提高反演精度,并且联合反演模型在不同高光谱传感器下有一定普适性。     

关于光谱反射率和小麦叶面指数之间关系的研究

根据理论分析作出了小麦叶片7种角度分布情况下的光谱植被指数和吸收的光合辐射曲线以及叶面指数和吸收的光合辐射曲线。由实测的小麦光谱反射率数据计算出光谱植被指数,再使用这二套理论曲线可求出小麦的叶面指数。还作出了叶片7种角度分布下,小麦叶面指数计算值和测量值之间的线性回归方程,得出小麦叶片倾角为70°的分布和使用 ND 光谱指数具有最好的结果。     

水稻叶面积指数与产量关系研究进展

叶片作为水稻器官建成的物质基础,与水稻群体中光环境的优劣和光能利用率的高低关系密切。而叶面积指数(LAI)的大小直接与水稻最终产量相关,且水稻冠层中光合有效辐射吸收系数与叶面积指数相关性极显著。文章综述了水稻在生长的各个阶段叶面积指数和产量之间的关系,同时通过优化品种、改善栽培措施等手段增加水稻最适叶面积指数,提高水稻产量,以期为高产水稻适宜叶面积指数的预测及合理冠层结构的调控提供理论依据。     

红枣叶面积指数与产量的相关性分析

[目的]分析红枣叶面积与叶长×叶宽以及叶面积指数与产量之间的相关性.[方法]以新疆阿拉尔垦区的密植红枣园为研究对象,通过LA-S叶面积分析系统测算红枣叶面积.对红枣叶面积与叶长×叶宽、红枣叶面积指数(LAI)和产量的相关性进行分析.[结果]叶面积与叶长×叶宽关系密切,达到极显著水平,R2 =0.990 3.红枣叶面积指数与产量之间也存在一定的相关性,在一定范围内产量随叶面积指数的增加而增加.[结论]测算叶片的长和宽可以估算出叶片的实际叶面积;通过控制栽培密度以及调整树形使叶面积指数达到较为合适的数值,以期提高产量.     

玉米群体冠层光合速率与叶面积指数关系的初步研究

为探明玉米叶面积指数 (LAI)与光合速率 (Pn)变化关系的规律 ,用远红外线CO2 分析仪 ,对平展型(吉单 15 9)、中间型 (农大 3138)、耐密型 (四密 2 5 ) 3种株型玉米品种在适宜密度下群体冠层Pn和LAI进行了测定。结果表明 :3种株型品种在其最适种植密度下LAI和Pn在整个生育期内均呈单峰曲线变化 ,于灌浆期达最大值 ,且“四密 2 5”的LAI和Pn大于其它 2个品种。随种植密度增加 ,群体LAI增加而单叶Pn降低 ,其中“四密 2 5”降幅最小。冠层内单叶光合速率的变化规律是上层叶 >中层叶 >下层叶。高产群体的适宜LAI为 4 5～ 4 6 ,单叶平均Pn(CO2 )为 36 0～ 39 0 μmol/ (m2 ·s)。     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.