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。     

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%。     

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。     

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。     

新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,调控着植被与大气之间的物质与能量交换,在生态环境脆弱的我国西北部开展植被LAI的研究对阐明该地区植被对气候变化和人类活动的响应特征具有重要的科学意义。利用LAI-2200和TRAC仪器观测了新疆喀纳斯国家级自然保护区森林和草地的有效叶面积指数(LAI_e)和真实LAI,构建了其遥感估算模型,生成了研究区LAI_e和LAI的空间分布图。在此基础上,分析了LAI随地形因子(海拔、坡度、坡向)的变化特征,探讨了将其应用于估算研究区森林生物量密度的可行性,并评估了研究区MODIS LAI产品的精度。结果表明:研究区阔叶林、针阔混交林、针叶林、草地LAI_e的平均值分别为4.40、3.18、2.57、1.76,LAI的平均值分别为4.76、3.93、3.27、2.30。LAI_e和LAI的高值主要集中分布在湖泊和河流附近;植被LAI随海拔、坡度和坡向的变化表现出明显的垂直地带性的特点。LAI随海拔和坡度的增加呈现先增加后减小的变化趋势,坡向对针叶林和草地LAI的影响明显,但对阔叶林和针阔混交林LAI的影响较弱;森林生物量密度(BD)随LAI增加而线性增加(BD=44.396LAI-25.946,R²=0.83),研究区森林生物量密度平均值为120.3 t/hm²,估算的总生物量为5.0×10⁶t;MODIS LAI产品与利用TM数据生成的LAI之间具有一定的相似性(森林R²=0.42,草地R²=0.53),但森林和草地的MODIS LAI产品分别比利用TM数据生成的LAI偏低16.5%和24.4%。     

基于多源遥感的冬小麦叶面积指数监测研究

在江苏省泰兴市利用多源Landsat/TM遥感影像提取植被指数NDVI,并对不同时期的冬小麦叶面积指数(LAI)进行了监测研究.结果显示:拔节期NDVI与LAI的相关性较好,线性拟合模型的决定系数达0.7659;利用拔节期线性拟合模型对开花期的LAI进行预测,预测值与实测值较为一致,RMSE为0.426.表明利用拔节期LAI监测模型推测开花期的LAI数据信息是可行的,有利于区域冬小麦的LAI分级图的快速制作.该方法可为大面积冬小麦长势信息的及时、快速获取提供技术支持.     

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。     

花生红边特征及其叶面积指数的高光谱估算模型

选用大花生品种丰花1号作为试验材料,设置5个氮素水平的小区试验。在不同发育期同步测定花生冠层的光谱反射率及其叶面积指数,利用花生冠层的光谱反射率数据提取红边参数,分析其变化规律及花生叶面积指数与红边参数的相关性。估算结果表明：花生冠层红边一阶微分光谱呈“双峰”现象,红边位置位于707～724 nm之间,在花生生长旺盛期间出现“红边平台”,结荚期以后有明显的“蓝移”现象;叶面积指数与冠层光谱红边参数之间在结荚期-饱果初期显著相关,但开花期相关性不显著,利用结荚期-饱果期的红边参数可以估算花生的叶面积指数,最后建立了结荚期-饱果期和整个生育期的花生叶面积指数的估算模型。     

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.     

基于高光谱的阿克苏市枣叶面积指数估算模型

[目的]通过将原始光谱数据经过不同的数据变换方式,分析其与枣冠层LAI的相关关系,建立基于高光谱的阿克苏市枣冠层LAI的估测模型,为快速、精确、无损伤、大范围的适时、动态监测植被LAI提供有效途径.[方法]基于原始光谱数据的不同数据变换方式,采用相关性分析和逐步回归分析方法.[结果]不同数据变换后的冠层光谱反射率与枣LAI具有较好的相关性,微分变换后的相关性较原始相关性有所提升.所建模型经过精度评价发现,原始光谱数据经倒数一阶微分变换后估测模型拟合度和预测精度都最高,一阶微分、对数一阶微分、归一化一阶微分次之.[结论]不同数据变换方式后的光谱数据与塔里木盆地枣LAI有显著的相关性,可以用微分、对数微分、归一化微分、倒数微分变换后的数据建立较理想的塔里木盆地枣LAI的估测模型.     

大气校正对九连山植被覆盖度。感估算的影响

以江西九连山保护区为例,利用基于归一化差异植被指数（NDVI）的像元二分法模型分别在TM 影像的 原始DN 值、表观反射率以及经过基于MORTRAN 辐射传输模型和经过简单传输模型的黑暗像元法校正后的地面 反射率的基础上对研究区的植被覆盖度进行提取,将所得4 类植被覆盖度的估算值与实测值进行比较,分析大气校 正对植被覆盖度。感估算的影响。结果表明,FLAASH 和DOS 两种大气校正方法虽校正原理不同,但通过对样地实 测值的拟合度来看,均能有效消除大气影响,有效提高植被覆盖度。感估算的精度;而辐射定标后的表观反射率却 与原始影像DN 值估算的植被覆盖度差异不明显,说明植被覆盖度估算精度的提高来源于大气校正作用,辐射定标 影响甚小。因此,在植被覆盖度较高的亚热带区域,有必要进行大气校正,以改善估算精度。     

不同地形校正方法对刺槐林遥感提取的影响

刺槐是黄土丘陵区生态环境建设的主要乔木树种之一,而地形阴影是影响刺槐林遥感提取精度的重要因素。为研究不同地形校正方法对刺槐林分布信息提取的影响,以黄土丘陵区安塞县的刺槐人工林为例, 使用Cosine、SCS、Minnaert、C、SCS+C 5种校正方法对该地区2015年7月份的Landsat8 OLI影像进行地形校正,并采用基于样本、面向对象提取的方法对人工刺槐林的分布信息进行提取。最后对地形校正前后的影像进行视觉比较和回归分析,并对提取结果进行精度评估,从而比较不同地形校正方法对刺槐人工林分布信息提取的影响。结果表明:1) 5种地形校正方法削弱了遥感影像上地形阴影的视觉效果, 其中Cosine、SCS校正存在过度校正的现象。2) 5种地形校正方法使得各波段辐射亮度值的均值和方差较之前发生变化,且SCS+C校正符合预期效果。3) Minnaert、SCS+C及C校正降低了太阳入射角的余弦值cosi与影像各波段的辐射亮度值间的回归直线斜率m的绝对值及相关系数r的绝对值, Cosine、SCS校正使两参数在部分波段上变大。4) 5种地形校正方法都不同程度地降低刺槐提取的漏分误差,但Cosine校正后用户精度降低了2.47%;Minnaert、SCS+C及C校正均提高了用户者精度和生产者精度,以C校正的精度最高, 生产者精度提高了16.66%,用户精度提高了2.82%。5) 5种地形校正方法均提高了Kappa系数值,以C校正最高,Kappa系数值为0.76。本研究说明刺槐林遥感提取有必要进行地形校正,且应结合研究区的情况选择地形校正方法,这为黄土丘陵区刺槐信息提取时合适地形校正方法的选取提供了重要的依据。      

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。     

基于高分辨率遥感影像的森林地上生物量估算

以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。     

基于无人机遥感的果园冠层氮素估算及空间分析

为快速准确地获取植株冠层氮素含量及空间分布特征,对大尺度的果园进行精准动态的管理,以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象,通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数,运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型,并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中,融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量;植被指数训练集R²为0.710,测试集R²为0.430;纹理指数训练集R²为0.761,测试集R²为0.349;融合植被指数和纹理指数训练集R²为0.775,测试集R²为0.533。融合植被指数和纹理指数在SVM算法训练集R²为0.511,测试集R²为0.371;BP神经网络训练集R²为0.651,测试集R²为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演,得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高,其次为宽行窄株篱壁模式,传统栽培模式最低,氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量,可为大尺度柑橘果园定量施肥提供参考。     

山区低太阳高度角遥感图像地形校正归一化模型的应用研究——以高黎贡山为例

由于山区地形起伏较大,引起的地形效应会使地物的光谱特征产生扭曲,对地表地物的识别与分类产生不利影响。地形校正是定量化遥感的前提,能够有效地提高目标地物识别与分类的精度,因此地形校正作为山区遥感图像预处理的重要步骤,对提高遥感应用的精度具有重要的作用。本研究利用二阶校正模型、地形均衡模型、坡度匹配模型3种归一化模型对高黎贡山南段低太阳高度角下的TM图像进行地形校正试验,对归一化模型在山区低太阳高度角遥感图像地形校正中的应用进行探讨。结果表明:在3种模型中,坡度匹配模型更适用于研究区低太阳高度角遥感图像的地形校正。     

遥感在森林资源调查中的应用动态综述

通过查阅并研究了1995年以来的国内外资料,综述了遥感应用于森林资源调查的沿革,重点介绍了“3S”技术在森林资源调查中应用现状,并提出未来遥感技术在进行森林调查方面应以精准化,数据网络化,新软件的研制、调查项目的多样化和减少调查的野外工作为主要研究方向。     

基于遥感大样地抽样调查的森林面积监测

基于黑龙江森工集团2009年林地“一张图”成果数据,利用2010—2013年多源遥感数据,结合2010年一类清查和二类调查成果及其他林业经营资料,实践了遥感样地判读与地面样地抽样调查相结合的大样地调查方法的应用。结果表明: 1)黑龙江森工集团可系统布设间隔20 km的大样地231个,面积以4 km×4 km为宜,对林地面积估计的总体变动系数为14.41%;2)遥感数据对大样地各地类综合正判率为90.68%,以有林地96.82%最高,且遥感数据分辨率降低会导致地类可判读性的降低,分辨率提高则有利于提高判读精度;3)不同面积大样地对林地、有林地面积监测结果的影响差异不明显,4 km×4 km大样地调查得到2013年林地面积899.53×104 hm2,占土地面积的89.47%,其中有林地面积876.81×104 hm2;4)2010—2013年森林面积净减5.94×104 hm2(年均减少1.48×104 hm2),与封育相比造林更新是促使森林增加的主要途径,毁林开垦、森林采伐和林地征占用是导致森林面积减少的主要因素。研究认为,基于大样地区划调查的森林面积监测方法科学、经济,充分发挥了遥感技术的优势,提高了遥感数据的应用效率,提升了森林资源变化的动态监测能力,应予以推广应用。      

森林生物量与遥感信息的相关性

利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计方程,以及生物量与遥感TM影像的各波段灰度值、植被指数的统计方程.但在P<0.05水平上,只有NDVI、RVI两个因子复相关系数不高.