冬小麦多时期冠层含水量遗传优化遥感反演

开展作物冠层含水量的遥感反演有利于评估麦田干旱胁迫、实施精准灌溉.为快速获取华北地区冬小麦生长期冠层含水量,本文利用在2017年1—5月冬小麦生长期获取的Landsat-8 OLI和Sentinel-2 MSI多时相遥感影像,基于混合像元分解模型,建立了归一化水指数与麦田实测含水量之间的定量关系.通过构建反演方程并结合遗传优化算法,求解冬小麦冠层含水量.对比地面实测数据,研究结果显示,本文方法能取得较优的反演结果,决定系数(R2)与均方根误差(root mean squared error,RMSE)分别为0.567和5.6%.与直接利用归一化水指数的反演方法相比,误差降低20%以上.研究表明,量化小麦冠层和土壤背景的不同线性混合比,可以有效消除土壤对小麦冠层含水量反演的影响,对小麦等作物生长的遥感监测具有重要的应用价值.

基于PROSAIL模型的毛竹林冠层含水量反演研究

冠层含水量(canopy water content, CWC)的定量反演有助于毛竹林干旱胁迫状况的监测,对其生产管理具有重要意义。以永安天宝岩的毛竹林为研究对象,采用PROSAIL模型,通过全局敏感性分析结合实地调查和相关文献确定模型的参数设置,然后建立含水量与冠层反射率的查找表(LUT),进而利用查找表联合反演等效水厚度(EWT)与叶面积指数(LAI)得到冠层含水量(CWC),最后基于Sentinel-2B影像实现区域冠层含水量的空间量化。结果表明,1)EWT主要影响1 100 nm以后的冠层反射率,对可见光区域冠层反射率几乎无影响;2)基于PROSAIL模型可有效反演毛竹林冠层含水量,其R^(2)=0.536,RMSE为0.059 kg/m^(2);3)研究区域毛竹林7月的冠层含水量主要分布于0.12~0.41 kg/m^(2)。研究为冠层含水量反演提供一种有效的反演方法,有助于毛竹林的野火预防和病虫害防治。

基于PROSAIL模型与光谱指数的紫花苜蓿冠层含水量估算

依据光谱和植物生理参数再联合PROSAIL模型模拟光谱曲线对应的冠层含水量(E)敏感指数,与实际光谱曲线的E敏感光谱指数对比,PROSAIL模型模拟光谱曲线精度较高,相关系数R2>0.8.对光谱的E敏感波段进行单因素和整体敏感性分析,E敏感波段分别为1240、1450、1650 nm.通过水分指数、水分压力指数(MSI)、归一化差异红外指数(NDII)和结合E敏感波段构建的4个广义归一化差异水指数(NDWI)对紫花苜蓿E进行反演,7个指数均具有较好的反演效果,R2>0.8,均方根误差为0.0010~0.0019 g/cm2,其中传统水分敏感光谱指数的E-MSI、E-NDII、E-NDWI((860,1240))和基于广义光谱指数的E-NDWI((1240,1650))的反演效果最佳.

基于Hyperion高光谱数据的植被冠层含水量反演

植被冠层含水量广泛应用于农业、生态和水文等研究中。本文基于PROSAIL模型,建立了利用Hyperion高光谱数据定量反演植被冠层含水量的模型。首先,PROSAIL模型模拟植被冠层反射特征表明,970nm水吸收带右侧曲线(980～1 070nm)一阶导数D980～1 070与冠层含水量关系密切,决定系数达0.96。基于此,利用Hyperion数据的983,993,1 003,1 013,1 023,1 033,1 043,1 053,1 063nm共9个波段计算D980～1 070,并利用所建模型反演植被冠层含水量。最后,利用黑河流域盈科绿洲的实测数据对反演结果进行了验证,其平均相对误差为12.5%,均方根误差在0.1kg·m-2内,结果表明该模型可靠。该研究可以为大范围获取植被含水量信息提供有效方法。

基于不同灌溉条件下冠层光谱与参数的关系反演冬小麦冠层含水量

为监测冬小麦冠层含水量,根据TM5的波段响应函数,将不同灌溉条件下地面实测的冬小麦冠层窄波段光谱数据转化为TM5的宽波段反射率,计算了水分指数(NDWI和WI);同时,利用地面实测数据计算了冠层含水量(FMC和EWTc),并对水分指数和冠层含水量进行回归分析。结果表明,TM5的b7比b5波段在反演冬小麦冠层水分含量方面优势明显,NDWI比WI更具优势;利用最小二乘法建立了NDWI(b4,b7)与冬小麦冠层含水量的最佳拟合方程,反演FMC和EWTc的复相关系数分别为0.576 9和0.695 6;在此基础上,对河北保定部分地区的冬小麦冠层水分含量进行了空间填图,结果显示,研究区内冬小麦冠层水分含量具有西高东低的趋势,冬小麦生长旺盛的孕穗期冠层含水量比乳熟期高。

基于优化指数的玉米冠层含水量遥感估测

对北京怀柔县EO–1 Hyperion高光谱数据进行波段筛选和植被含水量指数计算,采用耦合叶片与冠层辐射传输模型对水分指数(WI)、归一化差值水分指数(NDWI)、归一化植被指数(NDVI)、水应力指数(MSI)、归一化差值近红外指数(NDII)和冠层结构(CSI)的玉米冠层含水量估测能力进行分析,在不同理化参数的敏感性分析的基础上,将MCARII和NDWI进行整合,以完成玉米冠层含水量估测。结果表明,NDVI和CSI不能对玉米冠层含水量进行估测,NDII、WI、NDWI、MSI对玉米冠层含水量估测的R2值均大于0.78,但估测的RMSE值均在0.015附近,造成估测结果具有很强的不确定性;优化后的归一化水分指数(M–NDWI)能够有效地排除叶面积指数的干扰,显著改善玉米冠层含水量的估测效果。

基于Prosail模型和Landsat 8数据的小麦冠层含水量反演比较

为对比分析Prosail模型和Landsat 8数据在植被含水量反演中的效果,以冠层等效水厚度为植被含水量指标,首先基于地面实测植被参数和Landsat 8波谱响应函数,得到基于Prosail模型的宽波段反射率,并基于模拟宽波段数据和TM8卫星数据构建归一化植被指数(NDVI)、增强型植被指数(EVI)及两种归一化差值水分指数(NDWI),评价每种指数与小麦冠层含水量的相关性,再基于模拟植被数据、TM8植被数据和小麦冠层含水量,开展植被水分含量的建模和验证分析。结果表明,基于Prosail模型模拟得到的NDWI5和基于Landsat 8构建的NDWI5在小麦冠层含水量反演中的精度均优于NDVI、EVI和NDWI7,且二者的反演精度较为一致,可为地面实测数据过少的区域植被冠层含水量遥感反演提供一种新的思路。

综合近红外-红波段-短波红外三波段光谱特征空间的小麦冠层含水量反演

为提高返青期-拔节期-开花期-灌浆期不同覆盖条件下小麦冠层含水量的遥感反演精度,综合分析基于Nir-Red和Nir-Swir光谱特征空间开展作物含水量监测的优势与局限,利用垂直干旱指数(perpendicular drought index,PDI)和短波红外垂直失水指数(shortwave infrared perpendicular water stress index,SPSI)的比值形式,构建了一种基于近红外-红波段-短波红外(Nir-Red-Swir)三波段光谱特征空间的垂直植被水分指数(three-band perpendicular vegetation water index,TPVWI)。结果表明,在不同生育时期,TPVWI与小麦冠层含水量(vegetation water content,VWC)均具有显著相关关系(P<0.01),且对植被含水量的敏感性优于PDI、作物水分监测指数(plant water index,PWI)、SPSI和NDVI 4种植被指数,且在反映小区域内小麦冠层含水量的时空趋势上有较好的表征能力。对比地面实测数据,利用TPVWI建立的作物含水量估测模型的预测精度较高,r与RMSE分别为0.763和2.296%,说明利用综合Nir-Red-Swir三波段光谱空间特征的植被水分指数在监测不同覆盖条件下的作物含水量具有一定的可行性,可丰富当前作物冠层含水量遥感监测的理论方法。

基于INFORM模型与GEE的根河火烧迹地冠层含水量反演研究

【目的】提出一种结合辐射传输模型与遥感云平台反演火烧迹地冠层含水量(Canopy water content,CWC)的新方法,弥补目前对火烧迹地恢复阶段植被含水量的监测,为定量监测植被水分与火灾预警提供理论参考。【方法】以内蒙古自治区根河市火烧迹地为研究对象,基于INFORM辐射传输模型,使用查找表的方法反演森林冠层含水量,并结合Google Earth Engine(GEE)大数据遥感平台与Mann-kendall模型分析了火烧迹地的冠层含水量时序性变化,最后绘制根河2018年8月森林冠层含水量分布图。【结果】1)基于样地的CWC反演精度较高(R2为0.79);2)大范围的归一化水分指数(Normalized difference water index, NDWI)和CWC呈指数关系(R2为0.77),但CWC比NDWI的饱和点更高;3)CWC可作为火烧迹地恢复的生态指标,获得了34 a的CWC时序性反演结果,表明火灾后CWC明显降低,并基于Mann-kendall模型得到各样地CWC和LAI的恢复速率。【结论】联合INFORM模型与GEE反演并监测火烧迹地冠层含水量,方法通用且高效。火烧迹地在恢复过程中面临再次发生火烧和虫害病害的风险,研究结果可为森林防火和森林病虫害监测提供技术支持,对该区域森林火灾与森林虫害的预警有一定意义。

WorldView-2影像的湿地典型挺水植物群落含水量估算研究——以北京野鸭湖湿地为例

利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI),通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系,选择与CWC显著相关的植被指数,并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数,建立估算模型;结合覆盖研究区的WorldView-2高分辨率多光谱影像,对研究区的挺水植物群落CWC进行反演及制图.结果表明,基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高;SR(8,3)芦苇为估算CWC芦苇的最优植被指数,估算模型为y=0.005x+0.003,NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数,估算模型为y=2.461x2-0.313x+0.032,通过交叉检验,CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%,预测精度较为理想;利用实测数据对反演的CWC空间分布图进行了验证,通过验证,芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052,估算精度分别为83.56%和80.31%,表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.

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。

基于连续小波变换估测干旱胁迫下玉米籽粒产量

利用高光谱遥感技术监测作物水分状况和籽粒产量,对于调控作物生长、优化水分管理和改善产量形成具有重要意义。本研究玉米品种选用正红505,于2018—2019年在四川雅安和仁寿的试验田设置4个水分处理(正常水分、轻度、中度和重度干旱),分析玉米在拔节期(V6)、抽雄期(VT)和灌浆期(R^(2))的冠层含水量(canopy water content,CWC)与籽粒产量的定量关系,利用植被指数和连续小波变换对光谱反射率数据进行处理,采用线性回归方法构建CWC定量反演模型,进一步探索以CWC为桥梁建立的玉米籽粒产量的预测模型效果。结果表明,(1)利用小波特征构建的CWC估测模型的预测效果高于植被指数,V6、VT和R^(2)期分别以小波特征gaus3770,64、rbio3.31635,2和rbio3.3838,2构建的线性回归模型检验精度较高,R^(2)分别为0.770、0.291和0.233。(2)CWC与玉米籽粒产量间建立的线性回归模型均达极显著水平(P<0.01),V6、VT和R^(2)期的R^(2)分别为0.596、0.366和0.439。(3)基于光谱反射率构建的产量预测模型以V6期小波特征gaus3770,64的验证效果最好(R^(2)=0.577,RMSE=1.625 t hm^(–2)),可作为预测玉米籽粒产量的最佳时期。因此,本研究提出的“光谱反射率—冠层含水量—产量”建模方法能够实现对玉米籽粒产量的精确估测,为未来大面积监测玉米生产力提供了理论依据。

植被含水量高光谱遥感监测研究进展

植被含水量是陆地植被重要的生物物理特征,其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展,评述了植被含水量高光谱遥感估算各类方法的优缺点,探讨了植被含水量高光谱遥感估算目前存在的问题,并提出进一步的研究任务,即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。

联合PROSAIL模型和植被水分指数的低矮植被含水量估算

植被冠层含水量CWC(Canopy Water Content)和植被地上部分含水量VWC(Vegetation Water Content)对于植被健康状况和土壤干旱监测具有重要意义。本文联合PROSAIL辐射传输模型和植被水分指数NDWI(Normalized Difference Water Index),发展了一种简单、通用性较好的低矮植被CWC和VWC反演方法,可实现中、高空间分辨率下的CWC和VWC估算。首先对PROSAIL模型输入参数进行敏感性分析,明确各参数对模型输出反射率的影响机制,以优化PROSAIL模型输入参数设置并生成低矮植被的反射率模拟数据。基于模拟数据,计算了4个植被水分指数NDWI_((860,1240))、NDWI_((860,1640))、NDWI_((1240,1640))和NDWI_((860,970))用于反演低矮植被CWC和VWC。基于模拟数据的结果表明,4个植被水分指数与ln(CWC)都存在明显的线性关系,基于该关系建立了CWC估算模型。该模型可以直接用于低矮植被CWC估算,并通过VWC与CWC之间的经验关系间接计算得到VWC。模型模拟结果也表明,由于NDWI_((860,1640))和NDWI_((1240,1640))高度相关(R2=0.99),两者可以提供相似且相对较好的低矮植被CWC估算精度。基于地面实测数据的验证结果与基于模拟数据的结果表现出很好的一致性,即基于NDWI_((860,1640))和NDWI_((1240,1640))估算的VWC都有相似且较高的精度,决定系数(R2)都为0.88,均方根误差(RMSE)分别为0.4558 kg/m^(2)和0.4380 kg/m^(2)。利用Landsat 5 TM数据对NDWI_((860,1640))估算效果的验证结果显示,模型估算CWC与地面实测CWC的R2为0.84,RMSE为0.1342 kg/m^(2),估算VWC的RMSE为0.5651 kg/m^(2)。本文提出的基于NDWI_((860,1640))和NDWI_((1240,1640))的CWC/VWC估算模型可被用于低矮植被的长势监测和干旱监测,为低矮植被覆盖地表的土壤水分反演提供高质量的植被水分信息。