基于MODIS 叶面积指数的遥感物候产品反演方法

物候信息是研究植被与气候、环境间关系的重要资料。近年来,遥感技术为物候研究提供了新的手段,物候遥感监测数据已经被广泛应用于植物物候监测、时空变化及其变化响应的研究。然而,有限的遥感物候产品已经限制了遥感物候监测的应用和发展。在总结已有遥感物候监测方法和遥感物候产品的基础上,该文提出一种更具普适性,相对稳定、可靠的遥感物候产品反演生产方法。以2007年中国区域为例,利用地面物候观测数据对结果验证,平均绝对误差为20.6～15.3d,均方根误差达4.0～33.5,二者的相关系数达0.404～0.887,生长周期数反演准确率达到90.12%,该文算法反演成功率达99.93%,较MODIS MLCD产品83.06%的成功率提高了16.87%。     

呼伦贝尔草甸草原不同显热通量观测方法比较

显热通量（sensible heat flux,H）是反映地表湍流运动的重要参数,准确获取该参数对于区域内热量交换规律的认识和农业生产及水资源的有效管理具有重要意义。涡动相关仪（eddy covariance system,EC）和大孔径闪烁仪（large aperture scintillometer,LAS）是目前生态系统水热通量的主要测量手段,但两者观测范围的空间尺度存在差异。该研究以呼伦贝尔草甸草原生态系统为对象,通过对比分析两种方法观测的显热通量（H_LAS和H_EC）变化特征,对两者之间的差异（ΔH）及产生原因进行探究,并且定量研究了不同因子对ΔH的影响程度。结果表明,在不同时间尺度内,H_LAS和H_EC的变化趋势基本一致,显热通量主要受到净辐射的驱动作用,同时ΔH与净辐射存在正相关性;对应时刻H_LAS和H_EC之间线性回归方程斜率为1.13,拟合优度R²为0.81,说明大孔径闪烁仪在草甸草原区有着很好的适用性;EC能量平衡闭合程度会影响H_LAS和H_EC之间差异,剔除能量平衡闭合率（energy balance ratio,EBR）小于0.8的数据后,H_LAS和H_EC之间线性回归方程斜率减小至1.05,说明能量平衡闭合程度越高ΔH越小;净辐射（net radiation,R_n）、风速（wind speed,WS）、波文比（Bowen ratio,Bowen）和饱和水汽压差（saturated water vapor pressure difference,VPD）与ΔH之间相关性显著,是ΔH的主要气象环境因子;ΔH单个影响因子的解释能力从高到低依次为净辐射、风速、EC能量平衡闭合率、饱和水汽压差、波文比,任意两个不同影响因子之间均呈现双因子增强作用,解释能力较高的交互影响因子为净辐射/风速和风速/波文比。研究结果有利于准确理解LAS与EC显热通量观测过程中的空间尺度效应,同时可为区域尺度扩展和遥感地面验证过程中通量数据的质量控制提供科学参考依据。     

冬小麦叶面积指数高光谱遥感反演方法对比

冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

不同生育期水稻叶面积指数的高光谱遥感估算模型

2011年和2012年通过大田试验,利用便携式野外光谱仪实测水稻冠层不同生育时期的高光谱数据,同时使用SUNSCAN冠层分析系统采集水稻冠层叶面积指数（LAI）;采用光谱微分技术和统计分析技术,分别分析高光谱反射率及其植被指数与LAI之间的关系,建立LAI估算模型并进行模拟结果对比。结果表明：水稻抽穗-成熟期,利用光谱值的对数形式对LAI值的模拟效果较好,分蘖-抽穗期利用光谱反射率模拟LAI变化过程的效果不理想。 在利用各种植被指数估算LAI方法中,水稻分蘖-抽穗期以修改型土壤调整植被指数MSAVI[758,805]对LAI的估算效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.7754）,估算精度较高。在抽穗-成熟期,也以修改型土壤调整植被指数MSAVI[758,817]对LAI的模拟效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.6488）,估算精度较高。说明修改型土壤调整植被指数（MSAVI）能更好地模拟水稻不同生育期的叶面积指数,按照分蘖-抽穗期、抽穗-成熟期两个生育阶段分别建立水稻冠层LAI的高光谱估算模型能够提高LAI估算的准确度,研究结果也证实了分生育阶段建模的必要性。     

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。     

不同放牧强度对呼伦贝尔羊草草甸草原土壤活性有机碳的影响

土壤活性有机碳是土壤中较为活跃的化学组分,能反映土壤有机碳(SOC)的有效性,可作为土壤质量和肥力的指示性指标。研究探讨放牧干扰对羊草草甸草原土壤活性有机碳的影响,从而了解放牧对草地生态系统中碳循环的影响机制,旨在为退化草地生态恢复过程提供理论支撑。依托于呼伦贝尔草原生态系统国家野外科学观测研究站的长期肉牛放牧平台,分析6种不同放牧强度[不放牧(G0.00)、较轻度放牧(G0.23)、轻度放牧(G0.34)、中度放牧(G0.46)、重度放牧(G0.69)、极重度放牧(G0.92)]下羊草草甸草原土壤活性有机碳的变化,并探讨其相关性。结果表明:(1)土壤有机碳和活性碳组分的含量在不同土层间差异显著,随着土层深度的增加,SOC和活性有机碳[颗粒有机碳(POC)、可溶性有机碳(DOC)、微生物生物量碳(MBC)、易氧化有机碳(EOC)]含量均显著降低。(2)不同土层活性有机碳占比与放牧强度呈线性正相关,随着放牧强度的增加土壤活性有机碳占比也随之增加,不同放牧强度不同土层下土壤各形态活性有机碳占比呈POC>EOC>MBC>DOC的趋势,且EOC、MBC和POC占比随土壤深度增加而降低。(3)随着放牧强度的增加,植被群落地上生物量、地下生物量和土壤水分均呈下降趋势。(4)放牧强度与SOC和DOC呈显著负相关;植被群落地上生物量与土壤碳组分间呈显著正相关;地下生物量与DOC之间呈极显著正相关;土壤温度与POC呈显著负相关;土壤水分与POC呈极显著正相关,与SOC之间呈显著正相关。研究表明:放牧会降低地上生物量、地下生物量和土壤水分,适度放牧不仅能增加土壤有机碳和活性碳组分,而且能增加土壤活性碳占比,且符合中度干扰     

水分亏缺指数在全国干旱遥感监测中的应用研究

水分亏缺指数(WDI)是建立在作物水分胁迫指数理论基础上,并假设陆地表面温度是冠层温度与土壤表面温度线性加权及土壤与植被冠层之间不存在感热交换的情况下,结合陆气温差与植被指数得到的区域干旱评价指标。本文利用MODISTerra陆地表面温度和植被指数数据产品,采用NDVITs空间法分别计算了2000年4月上旬和5月中旬气温空间分布的基础上,结合陆气温差和植被指数计算全国范围WDI,并与表层土壤含水量进行对比。结果表明:WDI能够比较合理地用来监测区域干旱,不仅适用于裸地条件,还能够有效地应用于完全植被或部分植被覆盖条件下的干旱监测,克服了CWSI只能应用于郁闭植被冠层的限制。     

刈割对天山北坡草甸草原生物量的影响

[目的]以天山北坡羊茅+杂类草草甸草原为研究对象,研究刈割对草地生物量的影响,探讨地下生物量的形成规律。[方法]采用模拟放牧方式设置休牧、轻度放牧、中度放牧、重度放牧4个处理,测定分析草地生态系统生物量的变化。[结果]随着放牧强度的增大,草本生物量和凋落物逐渐下降,且下降幅度逐渐增大。与休牧相比,轻牧、中牧和重牧的草本生物量分别下降了27.51%,45.28%,65.05%。9月各处理地下生物量与6月相比分别增加了16.05%,13.07%,19.15%,19.08%,0—20cm土层的地下生物量占总地下生物量的85%,呈T型分布,向下递减趋势明显。[结论]放牧强度对植物地上生物量影响明显,表现为:休牧轻牧中牧重牧;季节变化中7月份地上生物量最大,显著高于9月;0—100cm土壤深度中各处理对地下生物量影响表现为:轻牧休牧中牧重牧;各处理下地下生物量的垂直分布变化趋势相同,即地下生物量集中分布在0—10cm土层,该层生物量占总地下生物量的70%,且随着土壤深度增加不断减少;季节变化中,地下生物量变化表现为:9月6月,各层生物量随土层深度的增加向下递减趋势明显。     

不同生育时期冬小麦叶面积指数高光谱遥感监测模型

高光谱遥感能快速无损获取植被冠层信息,是实现作物长势实时监测的重要技术。为研究不同氮磷水平下冬小麦不同生育时期叶面积指数高光谱遥感监测模型,提高叶面积指数高光谱监测精度,该研究连续5 a定位测定黄土高原旱地不同氮磷水平和不同冬小麦品种各生育时期冠层光谱反射率与叶面积指数,通过相关分析、回归分析等统计方法,构建不同生育时期冬小麦叶面积指数监测模型。结果表明:不同氮磷水平下,冬小麦叶面积指数随施肥量增加呈递增趋势,随生育时期改变呈抛物线趋势变化;随着氮磷供应量的增加,冠层光谱反射率在可见光波段显著降低2%~5%(P0.05),在近红外波段显著增加4%~10%(P0.05);不同生育时期叶面积指数与优化土壤调整植被指数、增强型植被指数Ⅱ、新型植被指数、修正归一化差异植被指数、修正简单比值植被指数均达极显著相关(P0.01);拔节期、孕穗期、抽穗期、灌浆期和成熟期叶面积指数分别与优化土壤调整植被指数、增强型植被指数Ⅱ、增强型植被指数Ⅱ、修正归一化差异植被指数和修正简单比值植被指数拟合效果较好,决定系数分别为0.952、0.979、0.989、0.960和0.993;以不同年份独立数据验证模型表明,所建预测模型均有较好的验证结果,相对误差分别为13.0%、13.5%、12.8%、12.6%和14.0%,均方根误差分别为:0.313、0.336、0.316、0.316、0.324。因此,优化土壤调整植被指数、增强型植被指数Ⅱ、增强型植被指数Ⅱ、修正归一化差异植被指数和修正简单比值植被指数能有效评价拔节期、孕穗期、抽穗期、灌浆期和成熟期冬小麦叶面积指数。同时,叶面积指数分段监测模型较统一监测模型精度有所改善。该结果为实现不同肥力水平下冬小麦不同生育时期长势精确监测提供理论依据和技术支撑。     

放牧和刈割对草甸草原中小型土壤动物群落的影响

为了解放牧和刈割对草甸草原中小型土壤动物群落结构的影响,于2019~2020年在内蒙古呼伦贝尔市鄂温克旗贝加尔针茅草甸草原采用自由放牧、刈割和围封3种不同草地利用方式下,研究了内蒙古草甸草原中小型土壤动物群落结构特征。调查研究在草地返青期、生长期和枯黄期3个时期进行,共捕获中小型土壤动物284只,隶属于12目34个类群。结果表明:放牧导致中小型土壤动物数量、类群数和多样性指数降低,而刈割影响相对较轻;返青期、生长期、枯黄期对应的春、夏、秋三季中小型土壤动物群落结构存在明显差异,土壤动物个体数、类群数和多样性指数均在草地枯黄期最多。放牧和刈割利用方式下改变了草甸草原中小型土壤动物在草地生长期Shannon-Weiner指数、Margalef指数、Pielou指数的变化趋势。中小型土壤动物群落表聚性在刈割利用方式中表现最为典型,放牧利用方式下0~10 cm土层中小型土壤动物有向10~20 cm 土层移动趋势;土壤pH和速效钾含量与中小型土壤动物类群有密切关系。     

基于HJ-CCD与TM影像的水稻LAI估测一致性分析

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数（LAI）估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、反演模型精度及LAI空间分布趋势3个方面,对两类数据在水稻LAI估测上的一致性进行分析和评价。结果表明,两类影像原始波段反射率相关性较高,基于两类影像的单变量、多变量模型在精度上一致性较高,估测所得的LAI在空间分布上也具有较高的一致性,数据集中分布的区间较为一致。因此,该研究初步证明将HJ-CCD影像用于水稻LAI估测在总体上是可行的。但同时,由于基于两类影像构建的模型在形式上存在一定程度的差异,据此得到的LAI填图结果的数据分布在某些区间内亦略有差异。因此,在应用中应注意针对不同数据源进行独立建模分析,不可相互套用模型。该研究一定程度上为有着重访周期短、覆盖范围宽等优势的国产中分辨率遥感数据在农业领域的应用提供依据。     

基于多光谱影像和机器学习算法的红树林树种LAI估算

为了提高无人机遥感对冬小麦叶面积指数（leaf area index,LAI）反演模型的精度与泛化能力,该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据,结合PROSAIL辐射传输模型生成包含机理信息的模拟数据,基于不同组合方式建立了5种LAI反演混合数据集,结合多种机器学习方法,以期构建经验与机理相结合的LAI高精度反演模型。由于LAI反演受近红外波段（near infrared,NIR）反射率影响大,该研究筛选7种与NIR波段相关的植被指数提取冬小麦光谱特征,构建与混合数据集LAI的相关系数矩阵,进一步探究不同光谱特征对冬小麦LAI的影响程度。在此基础上,采用具有代表性和普适性的4种机器学习方法,即贝叶斯岭回归模型、线性回归模型、弹性网络模型和支持向量回归模型,构建不同冬小麦LAI反演模型,用以评估基于半经验半机理数据反演冬小麦LAI的可行性,进一步探索其对不同氮素水平和复种方式的冬小麦长势评估能力。结果表明：1）筛选的与NIR波段相关的植被指数与冬小麦LAI之间存在较强的相关性,其中归一化差异植被指数、增强植被指数、归一化差异红边指数、比值植被指数、红边叶绿素植被指数、土壤调节植被指数与LAI呈正相关,结构不敏感色素植被指数与LAI呈负相关;2）辐射传输模型中体现了冬小麦LAI影响太阳光线传播的机理,结果表明,与实测数据混合建立的模型,具有较强的鲁棒性和泛化能力。相比于其他3种模型,支持向量回归模型在各种数据组合下均取得了较好的LAI预测性能,在C1、C2、C3、C4这4种训练-测试组合的训练集中R²依次为0.86、0.87、0.88、0.91,RMSE依次为0.47、0.45、0.45、0.41;在测试集的R²依次为0.85、0.19、0.89、0.87,RMSE依次为0.45、1.31、0.49、0.50;3）使用支持向量机生成试验区LAI反演图,对4种氮素水平和2种复种方式的冬小麦长势评估,结果表明,适当的施加氮素处理能提高冬小麦LAI值,麦-豆复种方式下的冬小麦LAI值普遍高于麦-玉复种的LAI值。该研究为冬小麦LAI的反演提供了一种有效的方法,并为高效评估冬小麦长势研究提供了参考。

     

基于高光谱遥感的不同品种花生冠层叶面积指数的通用估算模型

为了快速、无损地监测花生冠层LAI,获取其长势信息,于2014年通过大田试验选用5个品种花生作为供试品种,使用ASD FieldSpec HandHeld便携式野外光谱仪采集花生不同生育时期的冠层高光谱数据,同时使用SUNSCAN冠层分析系统实测花生冠层叶面积指数（LAI）,并应用光谱微分技术和统计分析技术,分别分析4种光谱形式和6种植被指数与LAI的相关关系,建立估算模型。结果表明：高光谱反射率及其光谱变换形式中最优波段与LAI的相关性均极显著,其中一阶微分光谱ρ'在793nm波段处构建的估测方程对花生冠层LAI的估算效果最好（r=-0.5391,P＜0.01,RE=0.2497）,其模拟值与实测值的拟合度达极显著水平（R=0.4435,P＜0.01）;一阶微分光谱ρ'在734nm波段处LAI的实测值与模拟值的拟合效果最好（R=0.5485,P＜0.01）。6种植被指数所选的最优组合波段与LAI均通过了0.01水平的显著性检验 （r≥0.5731,P＜0.01）,其中归一化植被指数NDVI[760,976]对花生冠层LAI的估算效果最好（r=-0.6421,P＜0.01,RE=0.2167）,模拟值与实测值的拟合度达极显著水平（R=0.6731,P＜0.01）,且优于ρ'对LAI的估算效果;LAI实测值与模拟值拟合效果最好的为DVI[760,976] （R=0.6893,P＜0.01）。研究结果表明一阶导数光谱和植被指数对花生冠层LAI的估算精度均较高,植被指数的估算精度尤高,研究同时进一步证实了导数光谱和植被指数能较好地消除土壤、大气等环境背景信息的影响。     

基于GF-1与Landsat-8多光谱遥感影像的玉米LAI反演比较

近年来,中国遥感事业已取得长足进步,高分一号(GF-1)卫星首次实现了中国自主研发的高分辨率对地观测。为探讨国产GF-1卫星影像在农业遥感长势监测中的适应性,以许昌地区为研究对象,选取同期Landsat-8卫星影像,结合地面采样数据LAI,从传感器光谱响应特征、经验回归模型监测精度以及LAI空间一致性等3方面进行2类遥感数据的对比评价。结果表明,GF-1影像近红外、红、蓝波段光谱响应与Landsat-8有差异,与绿波段光谱响应非常吻合,各波段光谱反射率与Landsat-8影像同类光谱间均存在显著线性关系。通过各波段组合多种归一化植被指数,采用经验回归模型反演LAI发现,GF-1影像反演的最优模型为NDVI的指数模型,R2为0.848,Landsat-8影像反演的最优模型为蓝红组合的归一化植被指数(blue-red NDVI,BRNDVI)的指数模型,R2为0.687,2类影像反演LAI与地面实测值均呈现较为一致的线性关系。由许昌地区玉米LAI值空间分布可见,GF-1影像反演的玉米LAI值与Landsat-8影像反演值过渡趋势一致,在许昌西部种植结构复杂地区,GF-1影像以其空间分辨率优势更能凸显LAI分布差异。通过该文研究表明,GF-1卫星的高时间分辨率以及高空间分辨率特征能够代替传统中分辨率数据成为农业遥感长势监测中的重要数据源,该数据在农业遥感其他领域的应用是今后研究的重点。     

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。     

基于植被指数的宁夏灌区春小麦叶面积指数模型

利用宁夏灌区典型代表站（永宁站）2005-2008年连续4a的大田春小麦叶面积观测资料和同期MODIS/Terra资料,对LAI（叶面积指数）与10种植被指数（MODIS-VI）间的相关性进行了分析。得出,抽穗-乳熟期所有植被指数与LAI的相关性均不显著,三叶-拔节期和三叶-抽穗期归一化差异光谱指数（NDSI）、再次归一化光谱指数（RDSI）与LAI相关性不显著外,其他指数与LAI均显著相关,因此,用分段函数模拟全生育期LAI才能达到最佳效果。经检验,模拟值与实测值之间直线方程的决定系数（R2）为0.9759,均方根误差（RMSE）为0.5519,准确度（Accuracy）为1.0745,说明模型具有较好的可靠性和适用性,可为今后开展基于LAI参数的春小麦长势监测、遥感估产及作物模型中参数的动态修订等提供参考。     

基于半球摄影法的果树叶面积指数检测张立俊3，洪添胜1,2,3，吴伟斌1,2,3※，Joseph Mwape Chileshe1,2,3

摘要：为解决传统方法中从数据获取到数据处理出现的误差,进一步改善操作方法,该文设计了一种半球摄影法检测系统,使用鱼眼镜头在不同位置下拍摄单棵果树。对拍摄的图像进行处理,并对叶面积指数测量值和真实值进行验证对比,研究影响测量叶面积指数的因素。研究结果表明：鱼眼镜头在不同方位、不同偏移、不同高度下拍摄,以及不同软件处理方法都会对叶面积指数的测量产生影响。最优化的参数组合为：选择果树东方位拍摄,鱼眼镜头距离柑橘树主干25 cm,距离地面高度89 cm;在软件处理分析时,应取LAI4R,天顶角设为60°,同时采用软件遮罩功能对与冠层无关的区域进行屏蔽。在上述方法操作下,系统线性回归模型的决定系数R2为0.8268,测量值与真实值的平均绝对误差为0.31,平均相对误差为14.19%。该方法可为单棵果树叶面积指数的检测提供研究基础。     

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。