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.     

GF-1/WFV在玉米叶面积指数估算中的应用研究

叶面积指数(leaf area index,LAI)是植被冠层重要的结构参数之一,与冠层生理过程密切相关,也是植被遥感领域关注的重要参数之一。本研究对已在轨运行7年的高分一号卫星WFV传感器的植被监测性能进行评测,以吉林省农安县典型玉米分布区作为研究区域,结合地面同步观测的叶面积指数和冠层光谱等实测数据,借助归一化植被指数(NDVI)、比植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调节植被指数(SAVI)、修改性土壤调节植被指数(MSAVI)这5种植被指数,对比分析地面实测光谱与GF-1/WFV光谱对玉米冠层叶面积指数的估算能力。通过决定系数(R²)、均方根误差(RMSE)、相对误差(RE)和预测残差(RPD)等参数筛选最优模型。研究结果显示,各种植被指数与LAI之间的相关性均表现为地面实测光谱高于GF-1/WFV星载光谱;对比不同植被指数与LAI的相关性发现,地面光谱和星上光谱构造的植被指数中,均表现为MSAVI与LAI的相关性最高;基于地面光谱和星上光谱的MSAVI构建的估算模型中,R²最高值所对应的函数类型不同,基于地面光谱的函数中,R²最高值对应的是指数模型,而基于GF-1/WFV星上光谱的函数中,二项式的R²最高。     

基于多视角反射光谱的草地叶面积指数遥感反演

随着观测角度和观测平面的变化,同一地物产生的反射率、辐射信息也会产生很大差异。通过地面观测草地多平面多角度光谱反射率和叶面积指数数据,分析了光谱反射率随观测平面、观测角度的变化规律,并模拟TM资料红光(630～690 nm)、近红外(760～900nm)和蓝光(450～520 nm)波段反射率,计算RVI、DVI、NDVI、SAVI、ARVI和MSAVI等不同植被指数,分析不同观测平面和角度下植被指数与叶面积指数的相关性,建立遥感反演模型。结果表明,主平面上光谱反射率各向异性强于垂直主平面,且前向反射率低于后向,垂直主平面上前向和后向反射率呈现一定的对称性。主平面后向观测时植被指数与叶面积指数的相关性大于主平面前向观测、垂直主平面前向和后向观测的相关性。在建立的一元线性、乘幂、对数、指数、多项式等回归模型中,以三次多项式回归模型反演叶面积指数的精度最高。主平面上后向观测的NDVI、RVI、SAVI、ARVI的三次多项式回归模型均达到显著水平,在不同的观测角下,以-30°、-45°时拟合精度最高。     

基于EOS/MODIS资料的江西省水稻长势遥感监测

基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。     

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲-荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3nm/640.5nm波段组合的ARVI表现最佳,R2可达0.7294,均方根误差(RMSE)仅为5.5488。     

紫茎泽兰群落数量特征和遥感植被指数相关性研究

[目的]探索紫茎泽兰的遥感监测技术。[方法]以四川省凉山州西昌市为试点,对紫茎泽兰样地的群落数量特征和遥感植被指数进行了相关性分析。[结果]在RVI、NDVI和PVI 3种植被指数中,RVI与紫茎泽兰群落高度、盖度和生物量的相关系数均大于0.7,说明RVI对紫茎泽兰等高植被群落最敏感,与其群落数量特征的相关性最好,能较好地反映群落的特征;各植被指数与紫茎泽兰群落地上生物量的相关程度差异不大;各植被指数中,紫茎泽兰生物量与NDVI的相关系数最小,盖度与PVI的相关性最低。[结论]利用RVI可对紫茎泽兰的危害情况进行有效监测。     

基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。     

东辽河流域土壤含水量遥感模拟

温度植被干旱指数(Temperature-Vegetation Dryness Index,TVDI)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤含水量反演的方法。针对传统的TVDI模型未考虑地表能量平衡因素对地表温度(Ts)的影响和大气及土壤背景对植被指数影响的问题,首先利用数字高程模型(Digital Elevation Model,DEM)影像对研究区做地形校正,消除地形起伏和覆盖类型差对地表温度的影响;其次分析地表温度(Ts)与比值植被指数(RVI)、归一化植被指数(NDVI)、增强型植被指数(EVI)、修正土壤调整植被指数(MSAVI)等植被指数模型和实测土壤含水量的相关性,选择相关性最高的Ts/MSAVI反演土壤含水量。结果表明,Ts/MSAVI能够有效对东辽河地区土壤含水量进行估算。     

准噶尔盆地荒漠灌丛植被地上生物量反演研究

利用回归分析法建立Landsat-8遥感数据提取的归一化植被指数(NDVI)、归一化绿度植被指数(GNDVI)、差值植被指数(DVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)与实测地上生物量的多种反演模型,通过模型精度检验筛选适宜荒漠灌丛植被地上生物量反演的最优模型。结果表明,6种参与建模的植被指数中SAVI最适于构建准噶尔盆地荒漠灌丛草地地上生物量反演模型;筛选出的一元非线性和多元线性回归模型相比于简单一元线性回归模型反演精度更高,所有一元回归模型中二次多项式和三次多项式模型表现最突出,S曲线、指数和幂指数反演精度普遍较低;以SAVI建立的三次多项式回归模型:Y=38.761-129.868x+263.636x~2-90.892x~3(R~2=0.653,P 0.01)最优。     

棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350～2 500 nm波段的冠层高光谱数据,用近红外波段760～850 nm及红光波段650～670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.729 1·,RMSAVI2-LAI=0.743 6·,n=81;RNDVI-鲜生物量=0.742 6·,RMSAVI2-鲜生物量=0.791 1·,n=59), MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息.     

基于NDVI的西昌市紫茎泽兰入侵监测模型初探

[目的]为紫茎泽兰生物入侵的遥感监测提供参考。[方法]以ASTER影像数据为主信息源,结合西昌市紫茎泽兰样地调查,提取3种植被指数分别为归一化植被指数NDVI、垂直植被指数PVI和比值植被指数RVI,通过与紫茎泽兰表征因子盖度、高度和生物量进行相关分析,筛选敏感植被指数。在紫茎泽兰单个表征因子回归分析基础上,建立敏感植被指数与重要值的回归模型。[结果]3种植被指数中,NDVI最能反映紫茎泽兰表征因子的变化信息。NDVI与紫茎泽兰表征因子及IV显著正相关,对IV的复相关系数(R2=0.72)大于单个表征因子。基于NDVI与紫茎泽兰IV的线性模型模拟误差较小。[结论]利用NDVI与IV的线性模型对研究区紫茎泽兰入侵进行监测是较为可行的。     

联合光学和合成孔径雷达数据的太平湖森林地上生物量反演研究

光学和合成孔径雷达（SAR）多源传感器数据融合对提高森林地上生物量（AGB）提取精度具有重要意义。以太平湖森林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度（R²=0.63,RMSE=37.05 mg/hm²,sMAPE=0.56）优于采用Sentinel-1 SAR数据的AGB反演精度（R²=0.37,RMSE=52.25 mg/hm²,sMAPE=0.65）,联合两者数据的AGB估算精度最高（R²=0.69,RMSE=34.17 mg/hm²,sMAPE=0.55）;基于不同策略构建的AGB估计模型当中,植被指数（RVI、NDVI和红边相关的NDVIre）和纹理变量（NDVIre_Mea）的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数,能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。     

基于光谱植被指数的烤烟氮碱量及氮碱比监测研究

[目的]为了实现烤烟氮碱量及氮碱比田间动态变化的实时无损监测,设计了基于MSR216型多光谱辐射计的烤烟氮碱量及氮碱比监测试验。[方法]设置2种施氮模式,以基于SPAD(叶绿素仪)值精准氮素施肥管理(阈值为43)进行建模,利用当地生产上农家常规施氮模式进行验证。用多光谱辐射计采集烤烟的冠层光谱数据,并对烤烟6个生长时期的氮碱量、氮碱比与可见光波段及近红外波段反射率组成的比值植被指数、归一化植被指数、差值植被指数进行相关性分析。[结果]叶片烟碱含量与归一化植被指数NDVI(870,510)的相关系数最高(r=0.900);全氮含量和氮碱比则与比值植被指数RVI(1 650,710)的相关系数最高(r=0.898、0.911)。氮碱量、氮碱比与植被指数均构建了最佳的监测模型,模型预测精度分别达到0.935、0.827、0.926,RMSE分别为0.574、0.553、1.245,预测效果较好。[结论]冠层光谱能够较好地监测和跟踪冠层氮碱量以及氮碱比的动态变化。     

基于TM影像和SPSS软件天然草地植被指数及相关性分析

为了研究乌兰县天然草地植被指数特征,利用比值植被指数(RVI)、归一化植被指数(NDVI)、差值环境植被指数(DVI)、土壤调节植被指数(SAVI)、修正后的土壤调节植被指数(MSAVI)5种植被指数和植被信号与土壤噪音之比(S/N)对研究区天然草地植被指数进行研究,结果表明研究区天然草地植被覆盖度普遍表现不佳。这说明对研究区天然草地资源的利用应该慎重,并且应重视其生态价值。     

加工番茄叶绿素密度与高光谱数据的相关分析

[目的]分析加工番茄高光谱数据与叶绿素密度的相关关系,为加工番茄生育期生长状况的实时、无损、快速的遥感监测提供理论依据.[方法]通过非成像ASD地物光谱仪获取加工番茄两个品种四个氮素水平冠层关键生育时期的反射光谱,与其相应的冠层叶绿素密度(CH.D)进行逐步回归相关分析.加工番茄冠层CH.D分别在其近红外反射光谱757 nm波段处和红光677 nm波段处的相关系数达最大值(rp757 -CH.D=0.7521**,rp677 -CH.D=-0.8437**,n=44,α=1;);采用这两个波段的反射率分别组成了归一化植被指数(NDVI)和比值植被指数(RVI),建立与加工番茄CH.D的5种线性和非线性的相关模型.[结果]NDⅥ和RVI所构建的加工番茄CH.D的双曲线函数模型的相关性和精度最高,再采用这两个植被指数的双曲线函数模型分别对加工番茄CH.D进行估算,它们的实测CH.D与估测CH.D的相关性均达到极显著检验水平(r实测CH.D-NDVI估测的CH.D -NDVI=0.8041**,r实测CH.D-RVI估测CH.D- RVI=0.8094**,n=44,α=1;),估算精度均为86.6;.[结论]利用高光谱植被指数可以精确提取加工番茄冠层叶绿素密度信息并对其进行遥感估算研究.     

基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一，利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象，将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合，构建组合模型来反演土壤盐渍化状况。结果表明，与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI)，其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高，其决定系数(R²)为0.759，均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611，其验证精度较单项预测模型有所提高，较PLSR模型提高了0.038，较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主，所占比例达到35.34%和25.66%，与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况，为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

基于光谱指数的棉花黄萎病叶片氮素含量提取

[目的]研究棉花黄萎病叶片氮素含量与高光谱的关系,以期用简便、无损的遥感技术提取病害棉叶氮素含量,为大面积遥感监测棉花病害提供理论依据.[方法]通过小区和大田同步调查棉花黄萎病,在不同生育期测定病叶光谱及其氮素含量.将病叶光谱特征参数与氮素含量进行相关分析,建立病叶氮素含量估测模型并检验.[结果]随着病害严重度的增加,棉叶氮素含量逐渐减小.病叶氮素含量与光谱指数FD731、NDVI[670,890]、DVI[FD554,FD731]、PVI[FD554,FD731]、RDVI[702,758]、RDVI[FD554,FD731]、SAVI、OSAVI、PRI[570,531]、PRI[702,758]、REP、Lo、Depth672和Area672呈极显著正相关,与R550、R680、R702、SD737、DVI[450,560]、NDVI[702,758]、DVI[702,758]、RVI[702,758]、SIPI、TCARI、CCII、PPR[550,450]、Lwidth和ND672均呈极显著负相关,与Dr未达显著相关.选取相关系数较大的光谱参数建立的病叶氮素含量估测模型均达到显著水平,整体上利用DVI[702,758]、PVI[FD554,FD731]和NDVI[702,758]进行氮素含量的估测精度最高,模型的预测的相对误差均小于2;.[结论]考虑到DVI[702,758]建立的模型更为实用,可作为病害棉叶氮素含量的最佳估测模型.