不同大气校正模型对叶面积指数遥感反演精度的影响比较

分别利用6S模型和FLAASH模型对TM影像进行了大气校正,建立了两种校正模型下的叶面积指数(LAI)与多种植被指数(VI)间的线性与非线性统计回归关系,并从植被指数角度和大气校正模型角度对LAI-VI回归相关性进行了分析,最后通过验证数据组LAI预测值(Y)与LAI实测值(X)的RMSE均方根误差及Nash-Sutcliffe效率系数对各模型下的LAI反演结果进行了精度对比验证。结果表明:除RVI外,两种大气校正模型下的LAI与SAVI、MSAVI有良好的相关性,其中6S模型下的LAI-MSAVI一元二次多项式回归模型拟合优度最佳;不同大气校正模型对LAI-VI回归方程的相关性有显著影响,6S模型的LAI反演精度优于FLAASH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。     

基于垂直植被指数的东北黑土区玉米LAI反演模型研究

本文旨在探讨以不同波段组合垂直植被指数所建立的高光谱模型对玉米叶面积指数(Leaf Area Index,LAI)的反演精度。在不同水肥耦合作用条件下,实测玉米冠层的高光谱反射率与叶面积指数数据以及裸土的高光谱反射率数据,在高光谱红光波段(631~760 nm)与近红外波段(760~1050 nm)逐波段构建土壤线,并在此基础上构建垂直植被指数(Perpendicolar Vegetation Index,PVI),找出与LAI具有最佳相关性波段组合PVI,建立玉米LAI估算模型。结果显示,采样波段间隔越窄,反演精度越高,在采样波段间隔1.4 nm的PVI(R677,R918)反演2004年的玉米LAI模型中,最佳回归方程是指数函数,精度达91.1%,标准差为0.1997,RMSE=0.0399,通过了0.01极显著验证。采用高光谱数据构建的PVI植被指数对玉米LAI的估算可以取得较高的精度。     

干旱区精河流域地表温度的模型反演研究

以精河流域绿洲为研究区,使用Landsat ETM⁺数据,采用单窗算法和普适性单通道算法对研究区地表温度进行反演,并将这两种算法的反演结果与研究区MODIS温度产品(MODIS LST)进行比较。结果表明：(1) 单窗算法和普适性单通道算法反演的结果总体趋势比较接近,研究区整体的平均温度相差约2k;(2) 采用改进型土壤调整植被指数(MSAVI)代替归一植被指数(NDVI)计算地表比辐射率可有效提高反演精度,并且同等条件下单窗算法的反演精度高于普适性单通道算法,两种算法的反演结果与MODIS LST的相关系数分别是0.9255和0.8651;(3) 在城镇区域,普适性单通道算法反演结果与MSAVI的相关性高于单窗算法,相关系数为0.8136,说明普适性单通道算法更适合干旱区大范围城镇地表温度的反演研究。     

基于地面高光谱遥感的稻纵卷叶螟为害下的水稻LAI估算模型研究

为了有效监测稻纵卷叶螟的为害状况及其对水稻生长发育产生的危害,本研究通过开展连续的定点大田观测实验,对稻纵卷叶螟虫情及其为害状况进行调查,通过观测水稻冠层光谱反射率和叶面积指数（LAI）等,分析水稻冠层光谱反射率、植被指数与LAI的相关性,筛选出与LAI相关系数高的光谱特征波段和植被指数,构建了多因子LAI估算模型,并利用实测数据进行验证。结果证明模型拟合效果理想,可为我国更好地开展水稻生产监测提供参考。     

基于5种植被指数的荒漠区植被生物量提取研究

荒漠区植被地上生物量是土地荒漠化监测和荒漠植被遥感信息提取的重要指标。本研究以甘肃民勤县为试验区,以哨兵2号(Sentinel-2)影像为数据源,构建了比值植被指数RVI、归一化植被指数NDVI、差值植被指数DVI、土壤调节植被指数SAVI及优化型土壤调节植被指数OSAVI 5种植被指数与植被实测地上生物量的估算模型(一元线性、指数、对数和二项式模型),并利用所选的最优模型,估算了研究区的地上生物量。结果表明:SAVI相较于RVI、NDVI、DVI和OSAVI指数同地上生物量之间的相关性最高(r=0.79),基于SAVI指数的二项式模型是研究区地上生物量估算的最优模型(R²=0.76),且精度较高(R²=0.73,RMSE=0.12)。民勤县的植被相对密集区主要分布于四大灌区(红崖山、环河、昌宁、南湖)、青土湖周边以及红沙岗镇西北区域,其他地域植被较为稀疏,无植被区[<0.005 kg·(100m²)^-1]、低植被区[0.005～0.2 kg·(100m²)^-1...     

黑河流域土壤含水量遥感反演及不同地类土壤水分效应分析

利用NASA提供的MOD IS数据产品和黑河流域的野外实测数据,在充分考虑研究区的下垫面特征、数据的时间特性和遥感反演土壤含水量的模型与算法的基础上,采用了热惯量法,计算了表观热惯量,并与实测数据进行回归分析建模,反演了整个黑河流域的土壤含水量。随后构建了三个区域土壤水分效应评价指标:土壤水分单元权重指数、区域土壤水分单元权重指数和土壤水分效应贡献度,结合黑河流域的土地利用状况,定量评价了不同土地利用类型的土壤水分效应。研究表明:利用MOD IS数据产品,反演参量获取简单,可降低反演土壤含水量的复杂性,有利于大、中尺度的实际应用;利用当地积累的季节标准日变化曲线将温差修正到最大值,使反演的表观热惯量更接近真实,可提高模型精度;用多个地面采样点的土壤含水量均值与一个像元对应建模,能改善因MOD IS数据空间分辨率低而存在大量混合像元致使反演精度降低的问题;在黑河流域,中覆盖度草地、有林地、高覆盖度草地、水田等用地类型的土壤水分效应最为明显,贡献最大。     

不同氮水平下冬小麦农学参数与光谱植被指数的相关性

利用光谱仪通过大田试验测量不同氮素水平及不同生育期冬小麦冠层的光谱反射率,测算叶面积指数(LAI)、叶绿素含量(CHL)、叶绿素密度(CHL.D)、地上鲜生物量和地上干生物量等农学参数;在此基础上分析了不同氮素水平冬小麦生育期内的光谱植被指数的变化,并分析了农学参数与植被指数之间的相关性。结果表明:小麦叶面积指数、叶绿素密度与比值植被指数(RVI)和归一化差值植被指数(NDVI)在各生育期呈显著相关,小麦叶片的叶绿素含量与RVI、NDVI在抽穗期呈极显著相关,而地上鲜生物量、地上干生物量与RVI和NDVI从起身到孕穗期呈显著相关。     

基于高光谱的渭北旱塬区棉花冠层叶面积指数估算

以棉花冠层高光谱反射率与冠层叶片叶面积指数(LAI)为数据源,在分析LAI与原始高光谱反射率、一阶微分光谱反射率、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元回归的方法构建了棉花LAI高光谱估算模型,并进行精度估算。结果显示,在可见光范围内随着生育期的推进及施氮量的增加冠层光谱反射率逐渐降低,在近红外范围内从苗期到花铃期随着施氮量增加反射率逐渐增加,花铃期到吐絮期反射率明显降低;各生育期冠层光谱的提取变量与LAI的相关性不强,全生育期各种光谱提取量及植被指数与LAI的相关性高于不同生育期;棉花冠层叶片LAI在反射光谱1 461 nm处相关系数达到最大值(r=-0.726);对于一阶微分光谱,LAI的敏感波段发生在742 nm处,r=0.744;以敏感波段742 nm一阶微分光谱反射率建立的逐步回归估算模型精度最高,RMSE=0.94,RE=26.27%,r=0.78。说明以全生育期为基础,采用一阶微分光谱敏感波段,并根据实际条件选择有效的估测模型,可以进行棉花LAI的预测。     

基于MSAVI-SI特征空间的玛纳斯河流域灌区土壤盐渍化研究

玛纳斯河灌区是新疆重要的农业绿洲之一,其发展受土壤盐渍化制约,土壤盐渍化信息获取成为首要问题。以Landsat-OLI卫星影像和野外调查数据为基础,对修改型土壤调整植被指数(MSAVI)和盐分指数(SI)之间的关系进行了综合分析,并提出了MSAVI-SI特征空间概念,进而构建了盐渍化遥感信息提取指数模型(MSI)。结果表明:1不同程度盐渍化类型MSI平均值差异特征明显,其差值在0.35~0.43,因此,MSI指数可以作为盐渍化信息快速提取的指标。2灌区土壤受盐渍化侵扰严重,尤其从下游农业生产区到古尔班通古特沙漠过渡的生态脆弱区,受地下水影响明显的中段,土壤盐渍化仍是土地退化的重要原因。本研究对土壤盐渍化遥感监测和管理,以及区域环境保护具有重要意义。     

基于无人机多光谱遥感估算西北半湿润区葡萄基础作物系数研究

为提高西北半湿润区葡萄园蒸散量的估算精度，以波文比系统实测蒸散量ET_c为基础，基于彭曼公式法计算参考作物蒸散量ET_o,得到葡萄作物系数K_c后，采用FAO-56双作物系数法计算土壤蒸发系数K_e与水分胁迫系数K_s,获得基础作物系数K_cb;同时利用无人机多光谱遥感影像获取葡萄光谱数据，提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄K_cb与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄K_cb的精度。结果表明：(1)相同建模方法下，植被指数与K_cb的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期，利用一元线性回归建模得到的K_cb-VI_s模型拟合精度表现为NDVI>RVI>SAVI...     

黑河中游植被覆盖率变化趋势及其驱动因子分析

利用2002~2011年的黑河干流中游归一化值被指数数据获得植被覆盖率变化趋势,选取合适的NDVI阈值将整个区域划分为"绿洲区"和"荒漠区",并分别探讨了地下水埋深、中游耗水量及累积降水量对两种区域面积和植被覆盖率变化的影响。结果表明:黑河干流中游植被覆盖率整体呈增长趋势,由2002年的32%增长到了2011年的36%,对植被覆盖率增长贡献最大的因素为绿洲区扩张,10年间绿洲区面积占比增长了10%;影响绿洲扩张的主要因素为地下水位埋深和中游耗水量,绿洲区植被覆盖率变化较小,可忽略其影响。荒漠区植被覆盖率的变化主要受累积降水量影响。利用地下水位埋深、中游耗水量、累积降水量可预测区域植被覆盖率的变化趋势,区分人类活动和气候变化对区域植被覆盖率的影响是可行的。     

绿洲耗水对阿克苏河流域地表径流的影响

利用高分辨率辐射计获得的遥感资料提取研究区的归一化植被指数（NDVI）数据,干旱区绿洲NDVI对径流响应敏感,根据经验,NDVI>0.2区域识别为绿洲,进一步提取绿洲范围内的NDVI累计数据,将其作为以农业活动为主的人类活动综合因素,结合径流资料,分析了1982-2006年阿克苏河流域绿洲耗水和地表径流之间的关系。结果表明：1982-2006年阿克苏河流域出山径流量相对研究初期增加21.4%,同期,绿洲耗水量相对增加53.2%,绿洲NDVI累计相对研究初期增加35.3%,绿洲面积增加33.4%;阿拉尔站径流量、绿洲耗水与绿洲来水量均呈正相关,表明中游绿洲扩张消耗的出山径流量增加;绿洲NDVI累计自河道向两侧变化剧烈程度逐步加强。同时,绿洲NDVI累计整体上从绿洲边缘向绿洲内部增加趋势逐步加强;考虑绿洲降水情景,NDVI累计和绿洲面积的相关性均大于未考虑绿洲降水情景,表明降水对绿洲起到了支撑、维护作用,对绿洲面积的贡献为25.2%。对比冰川径流、出山径流和流域降水的变差系数(C_v),加上冰川径流对绿洲面积的贡献为33.4%,表明冰川径流有调节出山径流量和维持绿洲规模相对稳定的作用。     

黑河流域绿洲植被长势年内变化和最佳期分析

利用2008年黑河流域SPOT-VEGETATION NDVI数据,采用数学统计、一元线性回归方法,对绿洲植被年内长势变化的过程、速度和幅度进行了定量分析;利用空间统计方法对各地区年内长势最佳期进行了分析.结果表明:(1)绿洲植被长势在一年中呈阶段性显著:第1-18旬(1-6月)明显上升,第19-22旬(7-8月上旬)波动,第23-36旬(8月中旬-12月)明显下降.(2)绿洲植被长势变化速度具有明显的时间差异性,第14-15旬的长势速度增加最快,第27-29旬的减少最快,而且增加和减少相当的区域略具空间一致性.(3)绿洲植被长势变化的幅度也具有明显的空间差异.绿洲核心区域年内长势变化最大,向外围依次递减.(4)各区域绿洲植被长势最佳期的出现具有差异性.总体而言以出现在第22旬(8月上旬)的区域占绝对优势,其次为第20旬和第18旬等.因此在选择遥感影像时针对全流域绿洲整体的研究可以选择8月上旬的影像,而针对局部区域可以选择6月下旬、7月中旬或9月下旬的影像.     

植被盖度及太阳/观测角度对疏勒河上游NDVI和SAVI值的影响

随着太阳高度角及观测角度的变化,同一地物产生的反射率、辐射信息也会有很大差异。文中主要研究了不同植被覆盖度(PVC)情况下,太阳/观测角度对归一化植被指数(NDVI)和土壤调节植被指数(SA-VI)的影响。在疏勒河上游分别选取植被盖度为17%、59%、73%的样地和裸地进行试验。在太阳高度角变化的情况下,采用ASD便携式地物光谱仪分别在3个角度下进行反射率观测,观测的波长范围为350nm-1100nm,利用采集的光谱数据模拟Landsat TM红光(620nm-690nm)和近红外(760nm-960nm)波段的反射率,计算得到归一化植被指数(NDVI)和土壤调节植被指数(SAVI)。研究结果表明:与天底(0°)垂直观测的结果相比,ASD的传感器角度(±45°)变化能使植被指数的变化高达61.7%,NDVI和SAVI在不同的太阳/观测角度下变化相反,NDVI由前向-45°(传感器探头背着太阳)向后向+45°(传感器探头迎着太阳)方向增加。进一步分析得出:SAVI与红光及近红外波段的线性关系要强于NDVI与红光及近红外波段的线性关系。     

诺敏河流域植被覆盖时空演变及其与径流的关系研究

基于GIMMS/NDVI数据对诺敏河流域1982-2006年间植被覆盖的时空演变特征进行了研究,并结合SCS模型模拟地表径流,在流域和像元尺度分析植被NDVI变化与径流的关系。研究表明:诺敏河流域植被NDVI值较高,但25a间整体呈下降趋势,NDVI减少的区域占总面积的82.5%,植被覆盖有所降低;NDVI空间差异明显,NDVI的高值区主要分布在中上游林区,而耕地分布较多的下游地区NDVI值相对较低。流域尺度上植被NDVI与径流不具有明显的相关性。但从像元尺度来看,植被NDVI和径流的正相关和负相关共存,流域不同空间位置的植被变化与径流的关系并不一致。     

TM影像VI提取植被信息技术研究

应用规一化植被指数（ＮＤＶＩ）、土壤调节植被指数（ＳＡＶＩ）和修正后的土壤调节植被指数（ＭＳＡＶＩ）,研究了ＴＭ影像植被信息的提取技术。结果表明,ＳＡＶＩ较之ＮＤＶＩ和ＭＳＡＶＩ,消除土壤背景影响和适应植被密度变化的能力更强,是植被信息提取效果较好的植被指数。使用ＳＡＶＩ,关键是要确定一个合适的土壤调节参数Ｌ,以最大限度地消除土壤背景的影响,ＳＡＶＩ提出时推荐的最佳Ｌ值（０．５）应用于卫片处理有很大局限性;基于研究结果,本文给出了适于不同植被条件卫片处理的最佳Ｌ取值。     

玛纳斯河流域生态环境质量时空分异评价

利用3S空间分析和地学统计分析方法,选取植被覆盖度、坡度、土壤等归一化生态指数,采用生态要素及功能叠加的转移矩阵模型,研究了新疆玛纳斯河流域生态要素及环境质量时空分异规律。研究得出:①总体上玛纳斯河流域仍保持山地、绿洲、荒漠的空间分异格局,生态环境整体质量较差,但转好趋势明显,城乡建设格局变化决定着局地环境动态演变。②人工绿洲、山前缓冲区生态质量最好但变化较快,农田内部的盐渍化虽然得到很好控制,但大量盐分被排入下游及周边,对自然绿洲造成新的危害。中山林草带植被覆盖、土壤恢复、水土保持较好。③2000-2008年流域生态环境质量缓慢好转,其中以生态环境质量由差转中为主,集中在古尔班通古特沙漠,虽然绿洲-荒漠过渡带生态恢复明显,但高山冰雪带不断萎缩;2008-2016年流域生态环境质量明显转好,其中以生态环境质量由中变良为主,集中在山前缓冲区,虽然山地-绿洲过渡带生态改善进程加快,但高山冰雪带仍持续退缩。     

水稻冠层叶绿素含量高光谱估算模型

为了寻求西北引黄灌区水稻冠层叶绿素含量的高精度估算模型,通过田间试验测定了水稻冠层SPAD和高光谱数据,运用任意波段组合的方式构建了一系列基于原始光谱、一阶导数光谱的比值、差值、归一化和土壤调节植被指数,筛选出反映水稻冠层SPAD的最佳植被指数作为自变量,应用普通回归分析方法和随机森林算法建立了该区域水稻冠层SPAD估算模型并进行了对比分析。结果表明：（1)应用普通回归分析方法,以RVI(D₁₃₁₆,D₇₃₆)为自变量建立的指数模型是估算西北引黄灌区水稻冠层SPAD的最佳单变量模型;（2)采用随机森林算法,以4个植被指数RVI(R₆₉₆,R₅₄₀)、DVI(R₇₀₀,R_{536)、SAVI(R700,R536)、RVI(D1316,D736)建立的估算模型比普通回归模型精度更高,验证结果的决定系数R²为0.873,均方根误差RMSE为3.221,平均相对误差RE为13.25%。说明通过随机森林算法建立的模型可以实现水稻冠层SPAD的精准估测,可以用于西北引黄灌区水稻冠层叶绿素含量的快速、无损获取。}     

1982—2015年中国北方生长季NDVI变化及其对气温极值的响应

基于GIMMS NDVI 3g v1. 0数据集和日值气象数据,结合极端气温指数,辅以极点对称模态分解、趋势分析、Mann-Kendall趋势检验、相关分析等方法,探讨中国北方生长季植被覆盖及极端气温的变化特征,研究植被覆盖对气温极值的响应状况。结果表明:①1982-2015年中国北方生长季NDVI以0. 002·(10a)^-1的速率上升(P <0. 05),ESMD(极点对称模态分解方法)显示生长季NDVI波动上升;针叶林、灌丛、荒漠植被、草地以及栽培植被呈增长趋势,栽培植被增速最快,针阔混交林、落叶阔叶林和高山植被呈不显著减少趋势。②空间上,NDVI显著增加区域超过全区的33%,主要分布在天山、塔里木盆地北部、祁连山、陇南山区、黄土高原、河套平原、吕梁山和太行山、大别山以及辽西丘陵地区;显著下降区域仅占12%,主要分布在大兴安岭、小兴安岭和长白山区。③极端气温指数中,除TNmean(日最低气温平均值)和TNn(日最低气温极低值)呈上升趋势外,其余冷极值指数均呈下降趋势;所有暖极值指数均呈上升趋势;其他指数中,DTR(气温日较差)呈减小趋势,GSL(生长季日数)呈增加趋势。④中国北方NDVI与极端气温指数的相关性表明,冷极值指数中NDVI与FD0(霜冻日数)、TN10p(冷夜日数)、TX10p(冷昼日数)呈显著负相关(P <0.05),与TNmean呈显著正相关(P <0.01);NDVI与所有暖极值指数呈正相关,与TR20(热夜日数)、TXmean(日最高气温平均值)、TX90p(暖昼日数)以及TN90p(暖夜日数)存在显著相关性(P <0. 05);NDVI与GSL呈显著正相关(P <0.05)。⑤天山、塔里木盆地北缘、祁连山区、河套平原、黄土高原、太行山和吕梁山区等NDVI显著增加区域对极端气温指数的响应强烈。NDVI显著增加区主要对FD0、TNmean、TN90p、GSL等指数响应较强。NDVI显著减少区域对指数的响应各异,主要与SU25(夏季日数)呈显著负相关(P <0.05)。