高光谱吸收特征参数反演草地光合有效辐射吸收率

在植被光合有效辐射吸收率(FAPAR)遥感估算中被广泛采用的植被指数法,其估算精度往往受到"红波段吸收峰"峰值点光谱反射率易饱和特征的影响。考虑到高光谱吸收特征参数能较好地诠释地物光谱吸收特征的细节信息,基于微分法与包络线去除法研发"高光谱曲线特征吸收峰自动识别法"识别对FAPAR敏感的特征吸收峰,再结合连续统去除法以及光谱吸收指数(SAI)提取FAPAR的高光谱吸收特征参数,构建估算天然草地冠层水平FAPAR的高光谱吸收特征参数模型。结果表明:(1)天然草地冠层FAPAR与高光谱吸收特征参数具有很好的相关性,其中,"红波段吸收峰"SAI对FAPAR变化最为敏感,在植被覆盖度较高时,其饱和性相比"红波段吸收峰"峰值点反射率与归一化植被(NDVI)值有较大的提升。(2)以"红波段吸收峰"SAI为变量的对数方程为FAPAR的最佳估算模型,在植被覆盖度处于中与高时,其FAPAR预测精度比NDVI模型有不同程度的提高。研究采用的高光谱吸收特征参数一定程度上弥补了部分植被指数因饱和问题在估算FAPAR时的不足,可作为植被FAPAR反演的新参数,适用于中、高覆盖度的天然草地FAPAR监测。     

高光谱目标探测中的空间和光谱尺度效应

高光谱遥感目标探测主要利用目标和背景的光谱特征差异进行目标识别。一般情况下,影像的空间和光谱分辨率越高,探测效果越好。但多数情况下空间和光谱分辨率难以同时满足需求。针对该问题,本文利用Field Imaging Spectrometer System(FISS)地面高光谱成像仪器,通过在稀疏草地上布设人工绿色目标,研究了目标和背景光谱相似情况下,单一均匀背景下小目标探测问题,提出空间和光谱尺度定量分析方法,得到目标探测适用的空间和光谱尺度。结果表明:(1)利用FISS高光谱仪器进行人工目标探测,所需的空间分辨率约为目标尺寸的2倍以内;(2)当光谱分辨率优于40 nm时,目标和背景的两个主要特征:反射峰的位置和波段趋势差异均可被描述,在原始空间分辨率5倍(0.85 cm)以内,探测精度可以达到0.94以上。由于反射峰间距20 nm,当光谱分辨率低于40 nm时,该特征消失,造成探测精度的下降;(3)当光谱分辨率低于40 nm时,选取目标、背景光谱特征差异较大的波段可提高探测的有效性,在舍弃目标背景相似波段后,探测精度上升,得到本实验的最佳波段组合为红、绿、蓝、黄及红边波段。     

针叶林冠层热点及多角度无人机遥感观测及特征分析

多角度遥感观测是研究植被冠层BRDF (Bidirectional Reflectance Distribution Function)特性的重要手段,但目前对森林冠层进行连续间隔采样的多角度遥感观测及数据较少,热点方向的观测尤为缺乏。本研究基于无人机多角度高光谱成像系统,在主平面上对针叶林冠层以等角度连续间隔采样进行多角度观测,获取了主平面上多角度(包括热点和暗点)高光谱影像,并将观测结果与四尺度几何光学模型模拟结果进行对比分析。多角度观测获取的植被冠层反射率呈现出典型的植被方向反射特征,后向大部分角度观测的冠层反射率高于前向,在热点处出现峰值,在暗点附近方向出现最低值,观测天顶角VZA (View Zenith Angle)较大时表现出明显的"碗边效应"。结果表明:(1)观测的针叶林冠层反射率及BRDF特性与四尺度模型模拟基本一致,但红光波段模拟的热点反射率稍低于观测,前向观测VZA较大时模拟与观测结果差异稍大;(2)冠层结构及叶片光学特性的差异会导致观测到的BRDF特征不同;(3)观测的针叶林冠层BRDF呈现明显的光谱效应,不同波段呈现的各向异性特性不同,红光波段各向异性最强,近红外波段最弱;(4) BRDF的光谱效应差异导致观测到的植被指数也表现出各向异性,NDVI (Normalized Difference Vegetation Index)、PRI (Photochemical Reflectance Index)和MTCI(MERIS Terrestrial Chlorophyll Index)在热点方向最低,EVI (Enhanced Vegetation Index)在热点方向最高。本研究中无人机多角度成像观测提供的角度和高光谱信息,尤其是热点和暗点信息,在地物识别及分类、植被冠层结构反演及碳循环关键参数获取等研究方面具有较好的应用前景,在其它地物反射或热辐射等方向性特性研究中也具有较大的潜力。     

南方丘陵区植被覆盖度遥感估算的地形效应评估

植被覆盖变化是生态环境领域的核心研究内容之一,但其估算精度常受到地形效应、土壤背景、大气效应等各种因素影响。以Landsat 8 OLI为遥感数据源,基于像元二分模型,分别利用归一化差值植被指数(NDVI)、经Cosine-C校正的归一化差值植被指数(NDVI)和归一化差值山地植被指数(NDMVI)建立植被覆盖度估算模型,以评估南方丘陵区植被覆盖度的地形效应。结果表明,3种植被覆盖度估算模型均能削弱地形效应,但消除或抑制地形效应影响的能力不同。比较而言,基于NDMVI指数构建的植被覆盖度估算模型的地形效应最小,更适合地形复杂区域的植被覆盖度遥感估算;基于Cosine-C校正的NDVI植被指数构建的植被覆盖度估算模型的地形效应次之,但存在一定的过度校正现象;基于NDVI植被指数构建的植被覆盖度估算模型的地形效应最大,尤其当坡度≥10°时,阴坡植被覆盖度比阳坡明显偏低。     

利用不同植被指数估算植被覆盖度的比较研究

选用蔬菜地和草地2种植被类型,利用ASD光谱仪实测二者在不同覆盖度下的光谱响应,分析了归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)、修改型土壤调节植被指数(MSAVI)以及全球环境监测植被指数(GEMI)等6种植被指数所用的最佳波段及其组合,进而研究了利用像元二分模型估算植被覆盖度时的不同植被指数的表现.结果表明,与蔬菜地植被指数相关系数较高的波段组合为620 ～ 740 nm谱段和780 ～ 900 nm谱段内波段的组合,与草地植被指数相关系数较高的波段组合为620 ～750 nm谱段和760 ～900 nm谱段内波段的组合,相关系数均达0.8以上;在高光谱数据构建的植被指数和模拟卫星数据构建的植被指数中,用DVI和MSAVI估算植被覆盖度,平均总体精度分别达到83.7％和79.5％,与其他4种植被指数相比,这2种指数更适合于利用像元二分模型进行植被覆盖度的估算.     

影像不同空间尺度对鲁甸植被分析的影响

针对植被指数和植被覆盖度与遥感影像空间尺度的关系对高分辨率影像在植被分析中的运用具有重要影响的问题,该文提出一种确定最佳分辨率的方法。以云南鲁甸县茨院乡为研究区,先对原始影像(Worldview-2)进行重采样处理,生成一系列低分辨率影像;计算13组数据的NDVI并利用像元二分模型反演出植被覆盖度;运用信息熵理论和按照局部方差的思路等两种方法,定量分析该区植被分析的最佳分辨率。实验结果表明,随着空间分辨率的降低,NDVI值域区间呈现收敛趋势;植被覆盖度分级图斑斑块数量急剧减少,而所占面积比则保持相对平稳;信息熵中的信息量也随之减少。分析结果认为,该区进行基于Worldview-2影像植被分析的最佳空间分辨率为12m。     

一种高时空分辨率NDVI数据集构建方法-STAVFM

ETM NDVI可以用来在30m的尺度上开展植被的监测,然而在Landsat卫星16天的重访周期和云污染等因素的影响下,常常会在相当长的一段时间内无法获取有效的ETM NDVI数据,给这一尺度下的植被动态监测带来了一定困难。相比之下,MODIS虽然在空间上只有250m分辨率的NDVI产品,却可以每天进行相同区域的监测。针对ETM空间分辨率高和MODIS时间分辨率高的特点,本研究选择实验区,基于对STARFM方法的改进,构建不同时空分辨率NDVI的时空融合模型-STAVFM,使用该模型对ETM NDVI与MODIS NDVI融合,构建了高时空分辨率NDVI数据集。研究结果表明,通过MODIS NDVI时间变化信息与ETM NDVI空间差异信息的有机结合,实现缺失高空间分辨率NDVI的有效预测（3景预测NDVI与实际NDVI的相关系数分别达到了0.82、0.90和0.91）,从而构建高时空分辨率NDVI数据集。所构建的高时空分辨率NDVI数据集在时间上保留了高时间分辨率数据的时间变化趋势,空间上又反映了高空间分辨率数据的空间细节差异。     

叶面积指数遥感尺度效应与尺度纠正

由于地表空间异质性的普遍存在,遥感反演模型的非线性必然会导致不同分辨率观测的遥感结果不一致,从而产生遥感产品尺度效应。本文研究了遥感产品尺度效应概念、模拟方法和定量计算模型,并利用锡林浩特草原研究区的实测数据,对尺度效应模型和方法进行了定量计算与验证分析。首先,基于不同升尺度方法与多尺度遥感成像机理之间的机理联系,通过“先反演再平均”与“先平均再反演”之间的差异,可计算“高”分辨率与“低”分辨率之间的遥感产品尺度差异。其次,分别以红光、近红外两波段反射率和归一化植被指数(NDVI)为自变量,对叶面积指数(LAI)非线性遥感模型进行泰勒展开,研究了模型非线性、遥感数据空间异质性对LAI遥感产品尺度差异的影响,发现高阶项可忽略,利用二阶导数项和遥感数据方差项可定量计算遥感产品尺度差异,经过二阶导数项纠正后的尺度差异相对偏差从5.6%分别降低到0.78%和1.45%。最后,分析了LAI遥感产品尺度效应的特征规律,得出以下结论:随着植被覆盖的增大,同等遥感空间异质性的LAI遥感产品尺度差异越大,且红光波段比近红外波段的尺度差异敏感性高近2个数量级;对于绝大部分陆地植被区域,存在“低分辨率低估”尺度效应,且遥感产品尺度差异的主导要素为LAI模型非线性,NDVI变量自身非线性对尺度效应贡献占23.5%;对于湿地类植被与水体混合情形,NDVI变量非线性的贡献为主导贡献,出现“低分辨率高估”尺度效应,必须利用红光、近红外两波段的二阶导数项非线性尺度差异,才能解释这一类型的LAI遥感产品尺度效应。本文建立了具有一定普适意义的遥感产品尺度效应定量模拟与尺度纠正方法,对推动定量遥感的尺度问题研究有一定参考价值。     

基于混合像元分解理论的路域植被等量水厚度遥感反演

为削弱混合像元对植被参数反演的影响，提出了基于混合像元分解理论反演路域植被等量水厚度的方法。利用PRO4SAIL模型正演获得的高光谱窄波段数据，模拟Landsat 8遥感影像宽波段植被冠层光谱数据，并进行等量水厚度的敏感植被指数的筛选；对覆盖研究区域的Landsat 8遥感影像进行线性混合像元分解，获取更加精确的植被冠层光谱反射率；同时，利用支持向量机构建等量水厚度估测模型，实现对路域植被等量水厚度的遥感反演。研究结果表明，利用混合像元分解后得到的植被冠层光谱参与模型反演得到的路域植被等量水厚度更加符合实际情况，为遥感影像反演植被参数提供了有效数据。     

陕北黄土高原植被覆盖度动态变化分析研究

以Landsat TM归一化植被指数(NDVI)为数据源,运用像元二分模型提取陕北黄土高原1990、2000、2010年夏季的植被覆盖度,分析陕北黄土高原植被覆盖度的空间变化情况。结果显示:研究区植被覆盖度呈波动上升趋势。不同等级植被覆盖度在数量和空间位置上的转移较为活跃。大于等于60%的植被覆盖度和小于等于40%的植被覆盖度在空间上呈西南—东北两个方向扩张的分布趋势。受气候和人为等因素的影响,陕北黄土高原植被改善良好。     

不同植被指数在基于TVDI方法反演土壤水分中的应用

研究增强型植被指数基于Landsat-8数据反演土壤水分的可行性及适用性,分析研究区土壤水分总体分布,提高该地区应对干旱灾害的能力。基于温度植被干旱指数方法,以淮河流域上游地区作为研究区,基于2017年2月的Landsat-8影像,分别计算了地表温度、归一化植被指数、增强型植被指数,基于TVDI构建了两种土壤水分反演模型。研究比较了:1) EVI在TM数据中的应用特点;2)研究区土壤含水率的空间分布特征;3)两种模型反演结果的差异。结果表明:1)基于TM数据计算的EVI总体明显低于NDVI,但不同时间段的结果并不总是低于NDVI;2)基于EVI的模型结果精度低于基于NDVI模型结果。3)两种模型结果与植被覆盖度、地表温度的关系均为负相关,其中,基于EVI的模型结果与地表温度的负相关程度极高,即基于EVI的模型结果受植被影响较小,受温度影响程度高。     

植被冠层立体结构与叶片倾角的偏振光效应

植被偏振特性研究对于植被监测与组分定量反演具有极其重要的作用。植被冠层的反射辐射具有偏振特性,这种特性与入射辐射和植被冠层结构相关。本文分析了偏振对光子—叶片—冠层之间细微相互作用及其变化的有效探测能力,并利用研究型扫描式偏振辐射仪RSP(Research Scanning Polarimeter)数据系统对比分析了偏振对不同叶倾角分布的估测。通过上述研究得出以下结论:(1)偏振观测能够对光线在冠层立体结构中的透射反射再出射过程给出精细刻画,若不用偏振手段对这一过程进行甄别并去除,则直接测算的植被散射系数会产生高达140%的误差;(2)利用偏振手段可以为高精度大倾角、多时相遥感观测提供可能,以此可改变目前光学遥感小角度、垂直观测的较严格约束;(3)偏振辐射呈现出随波长的稳定特性(相关系数0.96),使得利用偏振手段可以更好地研究冠层结构;(4)不同叶倾角分布对入射辐射存在不同的偏振反射,为利用多角度偏振信息进行遥感植被精细分类提供了新的途径。本文详细描述冠层结构和植被偏振特性的相互作用,通过对冠层立体结构与叶倾角的研究,刻画了植被定量遥感的方向性信息与高精度实现,为高分辨率遥感定量化的有效信息挖掘提供了新手段。     

WorldView-2纹理的森林地上生物量反演

使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。     

结合对象关系特征的高分辨率卫星影像建筑物识别方法

基于面向对象特征影像分析的思想,提出了一种结合建筑物和阴影对象邻近关系特征的建筑物识别提取方法。在多尺度影像 分割的基础上,利用对象的光谱和形状等特征,建立简单的分类决策树,提取粗略的建筑物候选区和相对准确的阴影区。计算相邻 近阴影对象和建筑物对象的关系特征,建立简单的知识规则,即可从建筑物候选区中消除广场等噪音,获得准确有效的建筑物目标 信息。通过QuickBird卫星影像的实验,证明了该方法在高分辨率卫星影像建筑物目标识别中具有相当的适用性和准确性。     

Generation of high spatial and temporal resolution NDVI and its application in crop biomass estimation

Abstract

While data like HJ-1 CCD images have advantageous spatial characteristics for describing crop properties, the temporal resolution of the data is rather low, which can be easily made worse by cloud contamination. In contrast, although Moderate Resolution Imaging Spectroradiometer (MODIS) can only achieve a spatial resolution of 250 m in its normalised difference vegetation index (NDVI) product, it has a high temporal resolution, covering the Earth up to multiple times per day. To combine the high spatial resolution and high temporal resolution of different data sources, a new method (Spatial and Temporal Adaptive Vegetation index Fusion Model [STAVFM]) for blending NDVI of different spatial and temporal resolutions to produce high spatial–temporal resolution NDVI datasets was developed based on Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM). STAVFM defines a time window according to the temporal variation of crops, takes crop phenophase into consideration and improves the temporal weighting algorithm. The result showed that the new method can combine the temporal information of MODIS NDVI and spatial difference information of HJ-1 CCD NDVI to generate an NDVI dataset with both high spatial and high temporal resolution. An application of the generated NDVI dataset in crop biomass estimation was provided. An average absolute error of 17.2% was achieved. The estimated winter wheat biomass correlated well with observed biomass (R ² of 0.876). We conclude that the new dataset will improve the application of crop biomass estimation by describing the crop biomass accumulation in detail. There is potential to apply the approach in many other studies, including crop production estimation, crop growth monitoring and agricultural ecosystem carbon cycle research, which will contribute to the implementation of Digital Earth by describing land surface processes in detail.     

利用MERIS数据植被指数分析福建省植被长势季节变化

监测植被长势动态变化可以提供生态系统状况有价值的信息,可以检测到人类或气候作用引起的变化。本研究利用2004—2005年间10期MERIS影像数据,以福建省为例,探讨MERIS数据在区域植被长势季节变化监测中的应用效果;分析了MERIS数据用于区域植被季节变化监测时的数据处理方法;比较了MERIS数据几种植被指数,提出了利用10和8波段组合改进MERISNDVI的建议;利用多时相合成的NDVI简单分析了2004年夏季—2005年夏季三个季节的植被长势状况。结果表明,MERIS植被指数的时空变化有效反映了气候变化对植被长势的影响。     

河南省植被指数变化特征研究

为了研究河南省植被指数变化特征,采用最大值合成法(MVC)对MODIS-NDVI和MODIS-EVI两种指数产品进行处理,然后进行时空变化分析,得到归一化植被指数(NDVI)与增强型植被指数(EVI)两种指数产品的特点,实验结果表明:1)在时间分布特征上,两种植被指数均随季节呈现规律性变化,并且最大值均出现在7月或8月,但EVI相比NDVI更具季节性规律,能够更好地反映高植被覆盖区的植被季节性变化特征;2)在空间分布特征上,两种植被指数的区域性都非常明显,但在高植被覆盖区,NDVI出现饱和现象,而EVI未出现饱和现象。     

Leaf area index retrieval using gap fractions obtained from high resolution satellite data: Comparisons of approaches,scales and atmospheric effects

This study is aimed at demonstrating the feasibility of the large scale LAI inversion algorithms using red and near infrared reflectance obtained from high resolution satellite imagery. Radiances in digital counts were obtained in 10 m resolution acquired on cloud free day of August 23, 2007, by the SPOT 5 high resolution geometric (HRG) instrument on mostly temperate hardwood forest located in the Great Lakes – St. Lawrence forest in Southern Quebec. Normalized difference vegetation index (NDVI), scaled difference vegetation index (SDVI) and modified soil-adjusted vegetation index (MSAVI) were applied to calculate gap fractions. LAI was inverted from the gap fraction using the common Beer–Lambert's law of light extinction under forest canopy. The robustness of the algorithm was evaluated using the ground-based LAI measurements and by applying the methods for the independently simulated reflectance data using PROSPECT + SAIL coupled radiative transfer models. Furthermore, the high resolution LAI was compared with MODIS LAI product. The effects of atmospheric corrections and scales were investigated for all of the LAI retrieval methods. NDVI was found to be not suitable index for large scale LAI inversion due to the sensitivity to scale and atmospheric effects. SDVI was virtually scale and atmospheric correction invariant. MSAVI was also scale invariant. Considering all sensitivity analysis, MSAVI performed best followed by SDVI for robust LAI inversion from high resolution imagery.