多源多角度遥感数据反演森林叶面积指数方法

利用北京1号和Landsat多源数据组合成4个角度多波段数据集,在考虑森林三维垂直分布特点的基础上,结合INFORM几何光学与辐射传输混合模型,通过聚类＋神经元网络方式,建立相应的多源多角度LAI反演模型。最后利用实地LAI测量数据和MODISLAI产品,对不同角度组合和噪声水平下的LAI反演结果进行验证。结果表明：在保证数据质量的条件下,通过增加角度可以提高森林的LAI反演精度,最终R2=0.713,RMSE=0.957,比单个角度的反演精度平均提高约20%。     

多源多角度遥感数据反演森林叶面积指数方法

利用北京1号和Landsat多源数据组合成4个角度多波段数据集, 在考虑森林三维垂直分布特点的基础上, 结合INFORM几何光学与辐射传输混合模型, 通过聚类+神经元网络方式, 建立相应的多源多角度LAI反演模型。最后利用实地LAI测量数据和MODIS LAI产品, 对不同角度组合和噪声水平下的LAI反演结果进行验证。结果表明: 在保证数据质量的条件下, 通过增加角度可以提高森林的LAI反演精度, 最终R²=0.713, RMSE=0.957, 比单个角度的反演精度平均提高约20%。     

基于叶面积指数反演的区域冬小麦单产遥感估测

利用定量遥感技术反演的叶面积指数（LAI）在中国北方黄淮海地区典型县市进行冬小麦单产预测研究.为提高数据质量和减少估产误差,利用Savitzky-Golay滤波技术降低云对NDVI数据的影响及数据缺失;通过冬小麦实测LAI进行时序内插,模拟得到实测点每日冬小麦LAI,继而获得实测点主要生育时期平均LAI;在此基础上,建立了冬小麦主要生育时期平均LAI与作物单产关系模型,改变目前利用生育时期内某一时间点LAI代替整个生育时期LAI的方法;在模型择优基础上,得到最佳遥感估产关键期--开花期LAI与单产统计模型;最后,利用MODIS-NDVI经验模型反演得到的开花期平均LAI进行2008年冬小麦单产预测.结果表明：与地面实测的冬小麦单产相比,研究区估产平均相对误差为1.21%,RMSE达到257.33 kg·hm^-2,可以满足大范围估产的要求.利用上述方法可以在研究区冬小麦收获前20～30 d进行准确的单产估计.     

基于多源遥感数据的荒漠植被覆盖度估测

以塔里木河下游为靶区,根据地面调查和不同分辨率的多源遥感数据,逐级建立荒漠植被覆盖度遥感估测模型,并对不同模型、不同估测方法的估测精度进行比较.结果表明: 随着遥感数据空间分辨率的提高,植被覆盖度遥感估测模型精度增加;基于高分辨率、中高分辨率及中低分辨率遥感数据建立的植被覆盖度模型的估测精度分别为89.5%、87.0%和84.6%;遥感模型法的估测精度高于植被指数法.不同分辨率遥感数据估测荒漠植被覆盖度的精度变化规律,实现了荒漠植被覆盖度估测的高、中、低分辨率遥感数据参数及尺度的定量转换,可为研究区生态恢复遥感综合监测方案的制定和实施提供直接依据.     

基于多源遥感数据协同的滇西北森林郁闭度估测

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点。本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测。结果表明：在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98%冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量。在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R²)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测...     

利用数字图像估测棉花叶面积指数

叶面积指数是指示棉花长势、产量形成和高产群体调控等信息的重要结构特征参数。本研究的目的在于利用基于冠层图像光照叶片和光照土壤分量的图像透光率估测棉花叶面积指数。通过3年不同种植密度、品种、施氮量和灌水量的田间试验,在棉花不同的生育期用数码相机、LAI-2000冠层仪和线性光量子传感器采集数据并进行破坏性取样测定,分析图像透光率的有效性和建立LAI估测模型,进而对图像方法、LAI-2000和破坏性取样方法进行比较和分析。结果表明：(1)在太阳高度角最大且变化最小的正午时段,数码相机测量的图像透光率与线性光量子传感器测量的冠层透光率较一致且相对稳定。(2)图像透光率能反映除吐絮期以外各时期的冠层透光状况,但是当LAI大于5时图像透光率出现饱和。(3)综合分析2009和2010年数据,建立了图像透光率估测LAI的模型(R2=0.8438, SE=0.5605);利用2007年独立试验资料检验估测模型的性能,模型检验的拟合度较高(R2=0.8767)且预测误差较小(RMSE=0.4305),当LAI＞5时模型的预测能力降低。(4)数字图像、LAI-2000和破坏性取样三种方法测量的LAI值之间均呈现显著的线性相关(R2＞0.85),但是图像透光率的饱和性致使当LAI＞5时明显低估叶面积指数。     

小兴安岭白桦次生林叶面积指数的估测

叶面积指数(LAI)是量化冠层结构最常用的参数之一,准确估测LAI对森林生态系统结构特性的研究具有重要意义.利用半球摄影图像法和LAI-2000法及半球摄影图像法结合凋落物法估测了小兴安岭白桦次生林LAI及其动态变化.首先对该林型叶凋落末期(11月初)的半球摄影图像进行合理校正(包括木质部分所占比例α,冠层水平集聚指数ΩE,校正值作为该时期常绿树种的真实LAI(LAIt),结合各调查期的凋落物数据,得到落叶季节(7-11月)的LAIt,并以该值为参考值,对比分析了两种光学仪器法估测值.结果表明:两种光学仪器法在LAI最大时期低估(分别低估2.83％、6.20％),其他时期显著高估(平均高估118.13％、89.34％),但两种光学仪器法与探讨方法估测值存在很好的相关性:LAIt=-1.1393+1.0934·LAIHP,R2=0.80; LAIt=-0.1712+0.6259·LAILAI-2000,R2=0.83.研究结果可为将来方便、快捷、准确的估测白桦次生林的LAI提供参考.     

基于多元统计方法的冬小麦叶面积指数光谱估测

叶面积指数(LAI)是评价作物生长状况的指标之一,利用光谱技术实现冬小麦LAI的快速、准确监测具有重要的意义。本文以连续两年的氮素运筹试验为基础,通过测定各生育时期的冠层光谱和LAI,并利用多元统计分析方法(偏最小二乘法,PLS;逐步多元线性回归,SMLR)提取氮素运筹条件下LAI特征波段和构建LAI估测模型。结果表明,光谱波段765、775、1060 nm进入到LAI的预测模型中,结合PLS中VIP参数和B-系数证实,以上波段与冬小麦LAI具有重要的关系;基于PLS-SMLR方法构建的预测模型R~2=0.699,RMSE=1.447,RE=0.275,经验证模型仍然具有较好的表现(R~2=0.689,RMSE=1.323,RE=0.285)。表明利用PLS-SMLR提取特征波段、建模的方法是可行的,可为作物LAI的快速诊断监测提供一定的理论依据。     

小兴安岭三种林型叶面积指数的估测

利用Winscanopy2006冠层分析仪测定2009年7月初至11月初小兴安岭白桦次生林、谷地云冷杉林、阔叶红松林的有效叶面积指数(LAIe),并将经过木质部分所占比率、冠层水平集聚和簇内集聚校正的11月初LAIe作为真实叶面积指数(LAIt),结合凋落物法测定3种林型的LAIt及其季节动态.结果表明:调查期间,白桦次生林的LAIe在7月达到峰值(2.21),谷地云冷杉林、阔叶红松林的LAIe在8月达到峰值,分别为2.57、2.68.白桦次生林、谷地云冷杉林、阔叶红松林的LAIt均在7月达到峰值,分别为3.44、3.86、6.93;相对于本文探讨的方法,光学仪器所测定的LAIe在最高叶面积指数期分别低估33.1％、32.9％、66.0％;而在整个调查期内,谷地云冷杉林和阔叶红松林LAIe平均低估22.8％和56.5％,白桦次生林平均高估13.2％.     

小兴安岭三种林型叶面积指数的估测

利用Winscanopy2006冠层分析仪测定2009年7月初至11月初小兴安岭白桦次生林、谷地云冷杉林、阔叶红松林的有效叶面积指数(LAI_e),并将经过木质部分所占比率、冠层水平集聚和簇内集聚校正的11月初LAI_e作为真实叶面积指数(LAI_t),结合凋落物法测定3种林型的LAI_t及其季节动态.结果表明： 调查期间,白桦次生林的LAI_e在7月达到峰值(2.21),谷地云冷杉林、阔叶红松林的LAI_e在8月达到峰值,分别为2.57、2.68.白桦次生林、谷地云冷杉林、阔叶红松林的LAI_t均在7月达到峰值,分别为3.44、3.86、6.93;相对于本文探讨的方法,光学仪器所测定的LAI_e在最高叶面积指数期分别低估33.1%、32.9%、66.0%;而在整个调查期内,谷地云冷杉林和阔叶红松林LAI_e平均低估22.8%和56.5%,白桦次生林平均高估13.2%.
     

基于多源遥感数据的草地净初级生产力质量评价

植被净初级生产力NPP(Net Primary Production)的遥感估算与分析对全球生态系统具有重要指导意义,不同尺度的遥感影像上占主导地位的地物景观信息是不同的,现代生态研究多尺度分析至关重要。以青海省海北藏族自治州为研究区,使用Landsat 8 OLI遥感影像、天宫二号宽波段成像仪影像、融合影像(Landsat8 OLI影像和天宫二号宽波段成像仪影像融合)联同MODIS影像,作为CASA模型的输入参数,探究不同尺度下的研究区域NPP的空间分布情况,并对比分析不同数据源数据在估算NPP时的精度。结果表明:(1)Landsat 8 OLI数据的NPP值位于150—200 g C m^-2 a^-1所占比例最高;天宫二号宽波段成像仪影像数据和融合后影像的NPP值位于50—100 g C m^-2 a^-1所占比例最高;MODIS数据的NPP值位于小于50 g C m^-2 a^-1比例最高。(2)天宫二号宽波段成像仪影像数据的均方根误差(RMSE)、平均绝对误...     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

基于多源遥感数据的生态保护修复项目区监测方法评述

回顾了山水林田湖草生态保护修复项目的实施背景,针对生态保护修复项目监测监管范围广、技术难等问题,强调了基于多源遥感数据开展项目遥感监测的重要性与必要性。从监测指标拟定、遥感地物信息提取、多源遥感数据融合、动态变化检测等方面评述了基于多源遥感数据的生态保护修复项目区监测方法,包括基于中高空间分辨率遥感数据的地物信息提取、融合机器学习的非线性混合像元分析、基于混合像元分析的时空融合等。在总结技术和工作推进方面的优势、局限基础上,提出要结合实际工作,持续优化国土空间生态保护修复监测指标;充分挖掘遥感数据解析的相关算法潜力,提升地物信息提取和混合像元分析的精度;加强时空融合算法与变化检测方法的研究探索,加强相关方法的实践应用;以“山水林田湖草生态保护修复工程试点”项目为平台,建立稳定的国土空间生态保护修复遥感监测运行机制,加强科技创新,形成技术标准,指导工作开展。     

内蒙古不同类型草地叶面积指数遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,反演LAI是植被遥感的重要研究内容之一。根据在内蒙古呼伦贝尔和锡林浩特草原利用LAI 2000观测的草地LAI,比较了不同植被指数(SR、RSR、EVI、NDVI、SAVI和ARVI)估算不同类型草地LAI的能力,建立了基于Landsat-5 TM遥感数据的LAI估算模型,并利用LAI观测数据对模型进行了检验,生成了研究区内草地LAI分布图,据此对MODIS LAI产品一致性进行了评价。结果表明,在呼伦贝尔和锡林浩特两个研究区,RSR与LAI的相关性最高(R²分别为0.628、0.728,RMSE分别为0.512、0.490),在低密度草地,RSR的优势更为明显;验证表明,根据RSR建立的LAI估算模型的精度可达70%;利用TM数据生成的两个地区的LAI(TM LAI)空间变化明显,锡林浩特草地的LAI值整体上低于呼伦贝尔草地;在呼伦贝尔和锡林浩特,MODIS LAI产品与TM LAI一致性分别为0.566,0.323,MODIS LAI产品高估了呼伦贝尔草地LAI值,而在锡林浩特研究区则存在低估现象。     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

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(LAIe)和真实LAI,构建了其遥感估算模型,生成了研究区LAIe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LAIe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.LAIe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×l06 t;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％.     

基于无人机多源遥感数据的亚热带森林树种分类

树种多样性是生态学研究的重要内容,树木的种类和空间分布信息可有效服务于可持续森林管理。但在复杂林分条件下,获取高精度分类结果的难度大。而无人机遥感可获取局域超精细数据,为树种分类精度的提高提供了可能。基于可见光、高光谱、激光雷达等多源无人机遥感数据,探究其在亚热带林分条件下的树种分类潜力。研究发现:(1)随机森林分类器总体精度和各树种的F1分数最高,适合亚热带多树种的分类制图,其区分13种类别(8乔木,4草本)的总体精度为95.63%,Kappa系数为0.948;(2)多源数据的使用可以显著提高分类精度,全特征模型精度最高,且高光谱和激光雷达数据显著影响全特征模型分类精度,可见光纹理数据作用较小;(3)分类特征重要性从大到小排序为结构信息,植被指数,纹理信息,最小噪声变换分量。     

植被叶面积指数遥感监测模型

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步的探讨。以江苏省宜兴市作为研究区,采用2002年8月22日获得的Landsat-5TM图像数据和2003年8月23～26日采用LAI-2000进行的野外实测植被叶面积指数(LAI)数据,分别探讨了植被指数(VI)与LAI的一元、多元线性回归模型和非线性回归模型,其中的非线性回归模型包括对数、指数、乘幂和多项式回归模型。结果表明,VI与LAI之间的最佳回归模型为多元线性回归模型,R2达0.864;采用逐步选择剔除法,遴选出了用于回归模型的植被指数为RVI、PVI、SAVIL=0.35、MSAVI、ARVIγ=1、ARVIγ=0.5和SARVI。经模型LAI=-ln((VI-VI∞)/(VIg-VI∞))/KVI检验,预测值(y)与实测值(x)的拟合度较好y=0.5345x 1.3304,R2为0.7379。RVI与LAI的三次多项式回归模型也较好,R2为0.7806。再次为RVI与LAI的一元线性回归模型,R2为0.7726,比值植被指数RVI在反演叶面积指数模型中具有较高的灵敏度。     

基于多源遥感的红树林监测

红树林是生长在热带以及亚热带海岸潮间带上的生态群落, 其生产力高, 固碳能力强, 对保持海岸带生物多样性具有十分重要的价值。本文介绍了利用多源遥感数据监测红树林的一些主要研究内容, 分为3个方面: (1)在时空模式研究方面, 利用高空间分辨率影像像素和对象结合的方法对红树林树种进行分类以及利用Landsat影像对红树林进行动态变化监测并分析其驱动因素; (2)在结构参数研究方面, 利用无人机多光谱数据及地面激光雷达数据对红树林叶面积指数进行反演; (3)在生理生化参数研究方面, 探讨了红树林叶绿素含量对淹没状况的响应、互花米草(Spartina alterniflora)入侵是否影响红树林光能利用率, 以及光化学反射指数(photochemical reflectance index, PRI)与光能利用率(light use efficiency, LUE)的关系。上述系列研究为提取红树林相关信息要素时如何选择合适的分析方法提供了有力的参考, 强调了遥感在研究红树林时空模式, 提取结构参数和生物生化参数监测的有效性, 从而更好地促进红树林生态系统的生物多样性保育工作。