基于数字相机的草地物候模拟及其与气象因子关系的研究

研究植被物候及其与气候之间的关系对于理解全球生态环境变化意义重大。近地面数字相机凭借其监测频率高、数据质量好等优势已成为一种有效的监测植被物候的遥感平台。以北美地区瓦瑞(Vaira Ranch)牧场为例,对研究区植被的春季生长情况进行监测,利用近地表数字相机获取的影像计算绿度相对亮度(Greenness Chromaticity Coordinates,Gcc)并构成时间序列,模拟植被春季物候,将所得植被物候信息分别与地面同步实测的总初级生产力(Gross Primary Production,GPP)以及气象数据进行对比分析。结果表明:研究区植被春季生长季开始于第20d,结束于第145d,Gcc与GPP的总体相关性为0.88,二者提取的7项物候指标平均相对差异为0.05;降雨、土壤湿度、空气温度、土壤温度、太阳辐射通量对植被生长存在影响:空气温度、土壤温度、太阳辐射通量三者整体对于Gcc变化的解释力为91.3%,其中,气温和土温的单因子解释力分别为30.9%和49.0%,此外,由于水分缺乏,降水成为制约研究区植被生长的重要因素。     

遥感叶面积指数产品提取自然植被物候期对比

物候是指示气候变化的关键因子,遥感技术的快速发展为物候监测提供了新的途径。遥感叶面积指数(LAI)产品包含了主要的物候信息,并广泛应用于植被物候的监测。了解不同数据产品在提取植被物候信息上的差异是评价遥感产品对物候期监测适用性的重要方面。以东北三省为研究区域,使用非对称性高斯函数拟合法进行数据平滑,利用动态阈值法提取MODIS、CYCLOPES和GLASS叶面积指数(LAI)产品的生长季开始时间(SGS)、生长季结束时间(EGS)和生长季长度(LGS)。研究表明:MODIS和GLASS产品提取的SGS、EGS和LGS比较接近,整体上一致性较好;CYCLOPES产品提取的SGS多数情况下晚于MODIS和GLASS产品而EGS早于MODIS和GLASS产品。通过可利用的实地物候观测数据验证表明:MODIS和GLASS产品提取林地的SGS与物候观测值比较接近,EGS略晚于物候观测值,CYCLOPES产品提取的林地的SGS和EGS更加可靠。     

基于MODIS数据的农业干旱监测方法对比分析

利用2004年4月～6月上旬的MODIS影像数据,结合实测的土壤墒情数据,对比不同深度及不同拟合方式下土壤湿度的估算精度。另外,分别选用植被供水指数(VSWI)、基于EVI的植被供水指数(E-VSWI)、归一化多波段干旱指数(NMDI)与对应的土壤湿度数据进行回归分析,并在此基础上利用最优指数实现研究区土壤湿度的估算及旱情监测。结果表明:在华北平原中部地区冬小麦生长季节,利用MODIS数据进行土壤湿度估算的最佳深度是10cm;最佳拟合方式是线性拟合方式;植被供水指数(VSWI)在研究区整个时间序列具有最好的稳定性,可为今后大区域作物生长期的干旱监测提供一个简单方法。     

基于数据机理的植被叶面积指数遥感反演研究

定量获取地表植被高精度时序及空间覆盖的叶面积指数（Leaf Area Index, LAI）是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer（MODIS）植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据,发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal（RTLSR）核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot（SAILH）模型进行植被冠层辐射特征的提取,使用Anisotropic Index （ANIX）异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function（BRDF）的辅助特征信息,发展了基于数据机理（Data-Based Mechanistic, DBM）的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知：①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法,可实现模型参数的时序动态更新,改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息,可降低因观测数据几何条件差异所导致的反演结果不确定情况,同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践,可将算法应用于时空尺度的叶面积指数估算,并能够为生态、农业应用提供植被的高精度遥感监测指标。     

考虑下垫面类型的干旱指数比较研究

干旱作为常见的自然灾害,在世界各地发生的频率日渐增加,已对经济发展、农业生产和人类生活等方面产生了严重影响。但是干旱的类型较多,包括气象干旱、土壤干旱、水文干旱、农田干旱等,无法用单个干旱指数对不同类型的干旱进行监测。按照干旱发生类型,利用气象干旱指数(Standardized Precipitation Index SPI)、土壤水分干旱指数(Soil Moisture Index, SMI)和蒸发压力干旱指数(Evaporative Stress Index,ESI)对美国的旱情进行监测。研究结果表明:不同干旱指数之间呈显著相关,相关系数R在0.7以上。ESI整体监测精度较高,它能够真实反映地表水分盈亏状况,同时与遥感数据结合,可以实现从田块到全球不同尺度干旱实时监测。不同植被类型覆盖下垫面对不同类型干旱响应存在较大差异,草地下垫面对不同类型的干旱响应较为一致,但是随着地上生物量的增加,不同干旱指数监测结果之间差异逐渐增大。因此,在干旱监测时需要考虑植被的结构特征,植被与气候之间的相互作用,才能具体分析不同下垫面的受灾情况,进一步考虑更适合的方法以及干旱指数监测不同下垫面的干旱情况。     

基于高分一号WFV影像的随机森林算法反演水稻LAI

叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用随机森林算法构建研究区水稻LAI反演模型。研究结果表明:随机森林算法反演的研究区水稻LAI与实测验证值相关性较好,R2达到0.88,RMSE仅为1.03,能准确反映研究区水稻LAI生长季的变化趋势,不同时段LAI测量值与反演值相对误差均值为15%,且GF-1WFV影像对研究区水、路网的分辨能力较高,总体上适用于农田LAI的反演。     

基于Landsat 8卫星数据的解放闸灌域灌溉面积监测研究

准确监测灌区灌溉面积及其干旱情况等信息是灌区管理的基础,设立监测站点等传统方式已经不能满足应用与研究的需要,而遥感成为水资源管理的有力技术手段。基于Landsat 8数据,以内蒙古解放闸灌域为研究区,计算了温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）和改进的垂直干旱指数（Modified Perpendicular Drought Index,MPDI）并分析其分布和变化;根据两干旱指数灌溉前后差异,引入阈值法构建灌溉面积提取模型,确定阈值以进行灌溉面积的提取。结果表明：在2017年7月～8月,解放闸灌域得到了较大规模的灌溉;将利用两种干旱指数差异阈值提取的灌溉面积与实际灌溉面积进行对比,TVDI和MPDI监测面积精度分别为82.96%和74.01%;同时选取Google Earth高分辨率数据作为真实数据对灌溉地提取结果进行混淆矩阵计算,结果显示MPDI提取总体精度为94.17%,优于TVDI的58.90%。两种精度验证结果表明了利用遥感技术计算干旱指数用于灌区旱情监测和灌溉面积提取的可行性,但在受灌溉地区的空间分布上,相比T...     

植被叶片含水量反演的精度及敏感性

针对利用多源遥感数据监测旱情变化需要研究波段宽差异对指数的影响,而目前缺乏相关对比研究这一问题,该文基于叶片辐射传输模型,选用已广泛应用的光谱指数(包括植被指数与植被水分指数),通过对比研究筛选出反演精度高、对叶片含水量变化敏感、受波段宽变化影响小(适合应用于多源遥感数据)的指数。结果显示,植被指数与植被水分指数反演叶片含水量精度均较高(确定系数:0.983,0.917)。但植被水分指数对叶片含水量变化敏感而对波段宽的变化不敏感,植被指数对叶片含水量变化不敏感且受波段宽变化的影响大。因此,在利用多源传感器数据估算叶片含水量时应选用植被水分指数。在所选植被水分指数中,对叶片含水量变化最敏感同时对波段宽的变化最不敏感指数为归一化差异红外指数(Normalized Difference Infrared Index,NDII)与全球植被湿度指数(Global Vegetation Water Moisture Index,GVMI)。     

常见图象处理术语集汇

Hue(色调) 色调是纯色的主要属性。纯色是没有添加白色或黑色的色彩。 Color channal(色道) 一个图象可以分解成多个单色图象,每一图象的灰度代表一个特定的色道。如果将一种RGB图象分解,则产生红、绿、蓝三种单色图象。 RGB(RGB颜色模式) 以红、绿、蓝三种基本颜色的混合来表示色彩的彩色模式。     

NDVI 时间序列数据集重建方法述评

基于NOAA/AVHRR、SPOT/VEGETATION 以及MODIS 等卫星影像得到的归一化植被指数(NDVI,Normalized Difference Vegetation Index) 时序资料已经在植被动态变化监测、宏观植被覆盖分类和植物生物物理参数反演方面得到了广泛的应用, 但由于受云层、天气等因素的影响,NDVI 数据集存在大量的噪声, 因此对NDVI 时间序列数据集进行重建, 提高NDVI 数据集质量的研究逐步受到关注。对近年来普遍使用的几种NDVI 时间序列数据集重建方法(最大值合成、最佳指数斜率提取、中值迭代滤波、时间窗内的线性内插、傅里叶变换、S2G 滤波) 进行了详细介绍并评述了这些方法的优缺点。     

利用色调—亮度彩色分量的可见光植被指数

目的 无人机遥感具有高时效、高分辨率、低成本、操作简单等优势。但由于无人机通常只携带可见光传感器,无法计算由可见光-近红外波段组合所构造的植被指数。为解决这一问题,提出一种归一化色调亮度植被指数NHLVI （normalized hue and lightness vegetation index）。方法 通过分析HSL （hue-saturation-lightness）彩色空间模型,构建一种基于色调亮度的植被指数,将该植被指数以及其他常用的可见光植被指数,如归一化绿红差值指数NGRDI （normalized green-red difference index）、过绿指数ExG （excess green）、超绿超红差分指数ExGR （excess green minus excess red）等,分别与野外实测光谱数据和无人机多光谱数据的NDVI （normalized difference vegetation index）进行相关性比较;利用受试者工作特征曲线ROC （receiver operating characteristic curve）的特点确定阈值,并进行植被信息提取与分析。结果 NHLVI与NDVI相关性高（R²=0.776 8）,而其他可见光植被指数中,NGRDI与NDVI相关性较高（R²=0.687 4）;ROC曲线下面积大小作为评价不同植被指数区分植被与非植被的指标,NHLVI指数在ROC曲线下面积为0.777,小于NDVI （0.815）,但大于NGRDI （0.681）,区分植被与非植被能力较强。为进一步验证其精度,利用阈值法提取植被,NHLVI提取植被信息的总体精度为82.25%,高于NGRDI （79.75%）,尤其在植被稀疏区,NHLVI的提取结果优于NGRDI。结论 提出的归一化色调亮度植被指数,提取植被精度较高,适用于无人机可见光影像植被信息提取,为无人机可见光影像的应用提供了新方法。     

基于遥感的中国东北植被物候不对称特征分析

植被物候是反映全球气候变化的重要生态指标,春季返青期物候已经得到广泛研究,但秋季物候及其与春季物候的不对称性仍然不明朗。基于GIMMS NDVI 3g遥感数据提取中国东北地区植被关键物候参数,利用春季和秋季中返青(衰落)速率、生长期长度、植被活动能力(以NDVI均值表示)3个物候指标的差异来刻画春秋物候的不对称性,定义为物候不对称指数AsyR、AsyL和AsyV(Asymmetry of growing Rate,Length,Vegetation index)。首先利用双逻辑斯蒂曲线拟合和曲率求导方法获取各植被像元的物候期和生长速率参数,其次在像素尺度上探索了3种春秋物候不对称性的时空分布特征。结果表明:3种不对称指数的年际变异显著,研究区整体上3种不对称指数均呈现大约10 a的周期性,AysV和AsyL同相位并与AsyR呈相反相位。3种指数可以从不同角度刻画植被春秋季生长形态不对称性,在时空表现上存在一定的不确定性。AsyR和AsyV在不同植被类型中的空间格局比较相似,并能一定程度上区分农作物和自然植被,AsyL的空间分布规律较差、区分度不高。不对称指数发现,针叶林和阔叶林区域主要为衰落期的植被活动占主要优势,形态上是春季快速成长、秋季缓慢衰落;农作物区表现为缓慢成长和快速衰落;草原区域不对称性不显著。生长形态不对称性可以反映春秋两季的植被活动对整个生长季植被生产力的控制作用,有助于更加细致地探索物候对植被生态系统固碳的影响。在实际应用方面,也可以根据不同植被的物候不对称特征进行植被分类,服务于农业普查和植被生态系统管理。     

基于大疆精灵4无人机多光谱影像的西沙植被监测

西沙群岛位于热带,常年多云,在光学卫星数据获取时易受天气影响导致缺失,使得地表动态监测困难。为解决这一问题,探讨无人机低空平台对西沙群岛植被的监测能力,选取大疆精灵4多光谱无人机,通过5个多光谱波段提取4项植被指数,包括归一化差值植被指数（NDVI）、叶绿素指数（GCI）、绿色归一化植被指数（GNDVI）以及归一化绿红差值指数（NGRDI）,评估了2020年5月西沙群岛北岛的植被生长状况,并结合关键气象参数以及Worldview2卫星光学影像对比分析了2020年5月和2018年5月北岛植被生长变化及其潜在归因。研究结果表明：2020年5月北岛平均NDVI、GCI、GNDVI和NGRDI别为0.30、0.84、0.26和0.05,反映出植被覆盖度较低,可能存在枯黄现象,与地面监测结果一致;2020年人工管理植被区和自然生长植被区各项指数差异由2018年的-23%—15%增加到15%—40%,表明2020年自然生长植被长势显著差于人工管理植被,反映出较强的环境胁迫;气象数据显示2020年4月—5月该地区日平均温度较常年同期升高、累计降水量减少、平均风速增大同时增加了土壤水分亏缺,可能是引起...     

基于地基可见光图像的喀斯特典型植被长势监测

生态观测试验站为喀斯特典型脆弱生态区植被生长监测提供了高通量冠层拍摄图像,但目前鲜见有关喀斯特地区裸岩和植被混杂下垫面植被提取的研究报道。利用石漠化生态观测试验站获取的植被冠层RGB图像,研究喀斯特植被适用分割算法和长势监测模型,为基于地基冠层可见光图像的植被监测提供技术支持。结果表明：(1)基于颜色空间、颜色通道非线性组合、机器学习3种算法对喀斯特地区浅绿色植被的区分度均较高,但对裸岩和深绿色植被区分度有明显差异。晴天强光和阴天弱光条件下3种分割方法对植被分割效果差异明显,机器学习算法分割效果最优,阴天弱光条件准确率超过80%,晴天强光条件下可超过90%。(2)基于RGB图像反演的可见光植被指数GLA、NDYI、NGRDI和VARI所反映的植被长势变化趋势相似,但NDYI对植被长势差异响应更敏感。复合正弦函数可以较好地模拟4种可见光植被指数的逐日动态变化特征,且对NGRDI变化趋势模拟精度最高(R²=0.830)。     

北京植被物候时空变化及其对城市化的响应北大核心CSCD

植被物候是气候变化和外界环境变化的感应器。鉴于当前植被物候研究多在生态区,城市相对较少,以北京为研究区,基于2001—2019年MOD13Q1植被指数产品,利用动态阈值法提取研究区内植被的物候参数,即生长季开始期(start of season,SOS)、生长季结束期(end of season,EOS)和生长季长度(length of season,LOS),揭示植被物候期的时空变化特征并利用相关分析法研究其对城市化的响应。研究表明:2001—2019年,北京出现植被生长季开始期提前、结束期推迟和长度延长的现象,城区和郊区亦然。植被物候在城郊方向上表现出明显的梯度现象,且城区生长季开始期最早、结束期最晚和长度最长。城市化的发展对植被生长季开始期提前、结束期推迟和长度延长具有重要作用,不同地区的植被物候受城市化影响具有差异性。     

玉米冠层最佳水分指数优选

针对基于植被指数反演不同生长期、不同冠层结构特征下玉米冠层含水量的序列性研究较少,冠层含水量反演较低等问题,优选不同生长期玉米冠层含水量反演最佳植被指数,完成玉米冠层含水量高精度提取。初步选择4种可靠性强的水分指数:归一化植被指数、归一化水体指数1、归一化水体指数2、水协迫指数,分别基于PROSAIL辐射传输模型、三期实测冠层含水量及同步Landsat-8OLI数据,模拟分析4种植被指数与冠层含水量的关系,优选不同生长期玉米最佳水分指数,实现玉米冠层含水量快速精确反演。实例验证结果表明,水分指数归一化水体指数1可作为植被冠层含水量反演的最佳指数且反演精度随着植被含水量的增加而降低,在玉米生长初期,中误差为0.13kg/m~2,在生长中后期,中误差达到0.582kg/m~2,满足生长初期玉米冠层含水量快速反演需求。研究结果可为植被冠层含水量反演中水分指数选择提供参考,也可为稀疏植被覆盖区土壤水分反演研究提供借鉴。     

冬小麦冠层的FAPAR、LAI、VIs之间关系的研究

利用北京顺义地区的冬小麦在2001年4月生长期内的光合有效辐射(PAR，Photosynthetically ActiveRadiation)、叶面积指数(LAI，Leaf Area Index)和冬小麦光谱观测数据。研究了光合有效辐射吸收系数(FAPAR,the Fraction of Absorbed Photosynthetically Active Radiation)、叶面积指数和植被指数(VIs，Vegetation Indices)之间的相关关系。发现FAPAR与LAI之间具有很好的线性关系。复相关系数(R^2)达到0．9427。FAPAR和LAI与植被指数之间具有很好的指数相关关系，复相关系数均在0．9以上。三之间满足了相关关系的传递性；同时在多种植被指数中。复归一化差值植被指数(RDVI，Renormalized Difference Vegetation Index)与FAPAR和LAI的相关性最好。     

TM与MODIS植被供水指数反演及对比分析

为了探讨多源卫星遥感数据针对同一地区同一时刻旱情所得植被供水指数的差异,选择我国华北地区旱灾发生频率较高、影响较广的河北地区为研究区,针对近年来干旱监测应用较为广泛的Landsat TM/ETM+和EOS MODIS数据,分别进行植被供水指数的提取,并进行两者之间的对比分析,得出以下结论:① TM VSWI (Vegetation Supply Water Index) 与MODIS VSWI之间数值上存在一定的差别,变化范围在-0.51~0.20之间。其中负值主要集中在城镇、裸地及水体地表;② 在植被覆盖区,TM的平均VSWI大于MODIS的,但两者差别不大;③ 在各种植被覆盖度条件下,TM VSWI与MODIS VSWI差值的最小值、最大值和均值均表现出随着植被覆盖度的增加,其值逐渐增大的特点。该结论可以为两种遥感数据源干旱监测的差异分析及综合应用提供重要的参考依据。     

利用MERIS和AATSR资料估算黄土高原塬区植被含水量时空变化

通过利用2005年黄土高原塬区夏季地表过程野外观测试验期间收集的地面观测的植被含水量、中分辨率影像光谱仪(Medium Resolution Imaging Spectrometer,MERIS)和高级沿轨迹扫描辐射计(Advanced Along-Track Scanning Radiometer,AATSR)卫星遥感资料,分别对归一化差值植被指数(Normalized Different Vegetation Index)和归一化差值水分指数(NormalizedDifferent Water Index)与植被含水量(Vegetation water content)变化关系进行了分析比较,得到了两种不同的植被指数在作物生长背景影响下的异同。并分别利用MERIS的观测资料计算了NDVI,利用AATSR观测资料计算了NDWI,通过分析得出:随着作物的生长或生物量的增加,归一化差值植被指数变化趋于饱和,而归一化差值水分指数仍然继续增加。进一步通过同步地面野外观测植被含水量与卫星遥感观测资料的对比,建立了归一化差值植被指数、归一化差值水分指数和实际野外测量植被含水量的关系,并且得到由两种植被指数反演植被含水量的方法和地面观测之间的误差分别为1.030 64 kg·m-2和0.940 45 kg·m-2。最后通过分析后总结出,利用归一化差值水分指数来反演黄土高原塬区夏季玉米冠层的含水量优于利用归一化差值植被指数。     

青藏高原地区湖泊面积插补迭代自动提取

青藏高原湖泊面积变化在反映气候变化方面具有非常重要的意义。通常的阈值法提取湖泊面积由于受到冻湖、山体阴影和冰雪的影响,进行大范围提取时会存在阈值选择的不确定性和较难实现自动化提取等问题。基于归一化差异水体指数NDWI(Normalized Difference Water Index)、数字高程数据和雪盖指数NDSI(Normalized Difference Snow Index),提出了针对冻湖的湖泊面积插补迭代自动提取方法。结果表明,此方法能够实现非冻湖和冻湖阈值的自动确定,不仅可以在大范围内准确地完成湖泊面积提取,而且能减少山体阴影、冰雪的干扰。该方法相较于传统的基于水体指数的阈值法,具有更高的分类精度。