基于优化PROSAIL叶倾角分布函数的玉米LAI反演方法

叶面积指数(LAI)是描述玉米冠层结构的重要参数之一,PROSAIL模型是常用于反演LAI的机理模型,能较为真实地反演植被冠层真实情况,但PROSAIL模型中使用的叶倾角分布函数假定区域内所有作物叶倾角分布是相同的,不能反映玉米植株真实的叶倾角分布情况。本研究以高分一号遥感影像和地基激光雷达点云数据作为数据源,充分利用地基激光雷达(TLS)在获取植被结构参数上的优势,通过体素化的方法对玉米叶片回波点云进行分割,获取每个拟合叶片单元的叶倾角,进而得到玉米植株真实的叶倾角分布,结合椭球分布函数得到玉米精确的叶倾角分布函数,实现对PROSAIL模型中叶倾角分布函数的优化。研究过程中分别基于未改进的PROSAIL模型和经过TLS优化后的PROSAIL模型反演黑龙江825农场主要玉米种植区的LAI。LAI反演结果表明:2种反演方法得到的LAI与实测LAI都具有较好的相关性,决定系数R2分别为0.557 6和0.858 3,模型可信度较高;但基于PROSAIL模型反演所得LAI结果偏低,在利用TLS数据提取叶倾角对模型进行优化后,反演LAI的估算精度由26.53%提高到96.23%。由此可知,通过引入TLS点云数据改进农作物叶倾角分布函数能大幅度提高LAI反演的准确性。

基于椭球函数的棉花叶倾角分布动态模拟

根据试验资料,在系统分析棉花冠层叶倾角时空分布规律的基础上,将整个生育期分为4个生长阶段,并利用高斯五点距离法将冠层分为5层,用椭球分布函数模拟不同生育阶段、不同高度层上的叶倾角分布密度。模型能较全面地反映整个生育期冠层不同高度上的叶倾角分布情况,且方便用于分层的光合作用模型。利用不同播期的试验资料对模型进行验证,叶倾角频率分布的模拟结果与1∶1直线之间的决定系数R2和均方根误差(RMSE)分别为0.945和6.3%,表明模型具有较好的预测性和实用性。

椭圆分布函数模拟水稻冠层叶倾角分布

利用双参数椭圆分布函数,结合Powell法寻优,对水稻冠层叶倾角分布进行模拟,并与实测值进行比较,取得了较为满意的结果.

基于地基激光雷达的叶倾角分布升尺度方法研究

地基激光雷达因其具有穿透力强,能够提取植被冠层三维结构信息的优势,是提取植被叶倾角分布(Leaf angle distribution,LAD)的理想数据源,因此将地基激光雷达数据与遥感影像结合获取大尺度叶倾角分布结果颇具潜力。以河北省保定市北部4个县为研究区,利用10个玉米样地的地基激光雷达数据提取叶倾角分布结果,使用主成分正变换提取玉米实测叶倾角分布数据中信息量最大的前3个主成分,再利用神经网络模型对所提取的主成分与Landsat8反射率数据结合建立关系模型,然后将训练好的模型应用于整个研究区进行升尺度转换,最后通过主成分逆变换,得到升尺度后平均叶倾角(Mean tilt angle,MTA)结果。对升尺度后LAD与实测LAD及升尺度后MTA与实测MTA进行交叉验证,结果表明,升尺度MTA与实测MTA的验证精度(R2)为0.786 2,均方根误差(RMSE)为3.04°。该结果表明,使用提取主成分方法建立光谱数据与叶倾角分布的关系模型从而达到升尺度转换的目的具有可行性,模拟精度较高,且误差较小。

基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演

遥感是开展地面/近地面、航空及航天层次无损伤探测植物叶绿素信息的主要手段。目前多波段计算光谱指数方法已被广泛地应用于植被冠层叶绿素含量的经验/半经验反演及应用中。考虑不同作物及同种作物不同品种间存在着一定的植被叶倾角分布(LAD)特征差异,针对叶倾角分布对光谱指数反演冠层叶绿素含量(CCC)的影响进行分析,并开展针对叶倾角分布变化不敏感的叶绿素相关光谱指数优选和冠层叶绿素反演建模研究。基于PROSAIL辐射传输模型模拟了不同叶片叶绿素含量(LCC)、叶面积指数(LAI)和LAD对应的冠层反射率数据。模拟结果显示,在相同LAI和LCC条件下,不同LAD对应的冠层反射率有明显差异,冠层反射率随着平均叶倾角的增加而降低。通过计算12个常用的叶绿素相关光谱指数与CCC的相关性指标,来评估光谱指数在不同LAD下反演叶绿素含量的敏感性差异,并依次优选出MTCI,MNDVI8,MNDVI1和CIred-edge4个对LAD变化较不敏感的叶绿素相关光谱指数。利用玉米实测数据对光谱指数进行冠层叶绿素估测的建模和模型检验,模型的建立和验证结果显示,MNDVI8对LAD变化最不敏感,反演模型的精度最高,决定系数R^2=0.70,均方根误差RMSE=22.47μg·cm^-2。CIred-edge(R^2=0.63,RMSE=24.06μg·cm^-2),MNDVI(R^2=0.66,RMSE=24.07μg·cm^-2)和MTCI(R^2=0.65,RMSE=26.76μg·cm^-2)反演模型的精度较为接近并稍弱于MNDVI8。通过对反演结果分析得出结论,不同的光谱指数对LAD变化的敏感性不同,优选的光谱指数普遍对叶绿素含量具有较好的相关性和敏感性,其中MNDVI8受LAD影响最小,能较高精度的反演LAD变化下的玉米冠层叶绿素含量。优选的其他光谱指数MTCI,CIred-edge和MNDVI1反演能力虽然稍弱于MNDVI8,但受LAD影响较小,同样具有较好的反演能力。该工作开展LAD对光谱指数叶绿素反演的敏感性分析和光谱指数优选研究,其实测数据的检验结果和模拟数据的分析结果一致;基于优选光谱指数的冠层叶绿素含量反演建模结果及精度分析结论,对开展缺乏叶倾角分布差异先验知识下的大范围作物叶绿素含量遥感估测和应用具有借鉴意义。

作物叶面积指数和叶倾角分布函数的一种推算方法

设计了一种由作物冠层的辐射分布推算作物叶面积指数（ＬＡＩ）和叶倾角分布函数的方法。根据作物冠层中太阳光斑密度与群体结构关系的数学表达式，ＬＡＩ及其在各个叶倾角区间的分布可由不同太阳高度角时冠层内的光斑密度进行估计，而后者可通过观测冠层中的太阳总辐射和散射辐射的分布进行计算。因此，由容易测得的冠层总辐射的透过率，应用与多元回归分析类似的简单方法，就可以估算出难以直接测量的ＬＡＩ和叶倾角分布函数。用对玉米和油菜进行的实测检验结果表明，推算精度可以满足实际应用的需要。

叶倾角分布对离散冠层反射率的影响

叶倾角分布(leaf angle distribution,LAD)是植被冠层最重要的结构参数之一,直接决定冠层对太阳辐射的截获量,进而影响植被冠层在不同波段的反射率。相比基于实测数据开展的研究,计算机模型模拟能够较好地排除扰动因子的影响,实现特定冠层结构参数对冠层反射率的影响研究。文章基于DART(discrete anisotropic radiative transfer)模型,研究LAD对离散冠层多角度反射率的影响。结果表明,LAD对冠层反射率影响较大,且影响程度与模拟波段和观测天顶角等有密切关系。在“暗点”方向,近红外波段和红光波段水平分布的冠层反射率分别比喜直型分布冠层反射率高63%和25%。进一步研究发现,LAD对常见植被指数也有较大影响。当观测天顶角为0°时,水平分布的RVI(ratio vegetation index)、EVI(enhanced vegetation index)和NDVI(normalized difference vegetation index)值分别比喜直型分布对应的数值高52%、52%和13%;相比之下,PRI(photochemical reflectance index)对LAD变化的敏感度较低,但当在前向散射方向观测天顶角大于20°时,LAD对PRI的影响同样不容忽视。文章定量分析了不同LAD对冠层反射率及常见植被指数的影响,研究结果对离散冠层的参数反演有重要意义。

基于Campbell椭球分布函数的大兴安岭地区主要树种叶倾角分布模拟

叶倾角分布(LAD)直接决定着植被冠层对辐射的截获量,同时对入射太阳辐射的大小与走向也起着决定性作用,是定量遥感中的关键参数.本研究基于Campbell椭球分布函数和迭代方法拟合大兴安岭林区主要树种的LAD,定量分析冠层叶片分层与不分层时模型的拟合情况及不同龄组对LAD的影响.结果表明:大兴安岭地区6种主要树种的LAD均属于横椭球分布,针叶树的平均叶倾角小于阔叶树;无论对叶片分层处理与否,模型拟合叶倾角的结果与实测结果基本一致;白桦和落叶松的拟合结果与实测结果线性回归的相关系数分别是0.8268、0.8192,均方根误差分别是3.7%、4.3%,说明Campbell模型应用于森林冠层是可靠的;考虑龄组的影响时,虽然分层处理时叶倾角的分布趋势与龄组无关,但幼龄落叶松的平均叶倾角小于成熟落叶松,表明龄组对叶倾角分布取值有正向影响,而对消光系数取值有负向影响.

基于植物冠层分析仪单线多角度测量的叶面积指数与叶倾角分布关系

叶面积指数(LAI)和叶倾角分布(LAD)作为研究植被冠层结构的重要参数,二者间存在一定的定量关系。以白桦(Betula platyphylla)纯林为研究对象,基于单线多角度观测结果、Norman和Campbell线性最小二乘反演技术(NC技术)以及Compbell模型三者结合,分析LAI和LAD间的定量关系。NC技术能很好地反演叶倾角分布,对实测的叶倾角分布的解释能力达90%以上;根据NC技术计算得到的叶倾角概率密度较实际偏大,Campbell模型模拟结果则偏小,尤其在[0°,10°]区间内;2种技术存在一种互补关系,而2种技术计算得到的结果取平均时,对实测叶倾角分布的解释能力得到一定提高,达96%以上;此外,多角度测量中利用NC技术反演时,叶倾角分布区间个数一般以取观测太阳天顶角个数的1/2为最佳。本研究为LAI和LAD的间接测量提供了方法,同时为大范围的LAI测量提供了验证手段,也为定量遥感模型参数优化提供了理论依据。

用广角图象同时测量针叶树冠层叶角分布和叶面积指数的方法研究(英文)

叶面倾角分布（ＬＡＤ）和叶面积指数（ＬＡＩ）是植被冠层结构的重要参量。由于植被结构的复杂和千变万化，这些参量的野外直接测量，是十分费力和费时的，特别是对针叶树种就更难进行。底视广角照片已用于ＬＡＩ的估值，但由于ＬＡＤ和叶丛、枝的丛集情况未知而导致了估值的误差。Ｊ．Ｃｈｅｎ等近期采用最小平方反演技术从鱼眼象片中同时获取ＬＡＩ和ＬＡＤ，他们注意到提取的ＬＡＤ的精度不高，误差产生的原因可能在于假定对不同的观察方向叶丛集指数为常量。从典型的鱼眼象片中可见，对森林群落，接近水平方向的光间隙是随机的，但接近天顶却明显呈丛集状，Ｎｉｌｓｏｎ（１９７１）曾指出这一丛集指数可能是与观察方向有关的，但近期的工作通常将其视作常量，也有一些例外，如Ｊ．Ｃｈｅｎ基于加拿大北部森林的叶丛结构，指出了叶丛集指数随观察方向的变化。我们将树冠间间隙的概念引入Ｃｈｅｎ的方法，并将叶丛集指数明确地表示作观察方向天顶角的函数，同样应用最小平方反演，我们提取了满意的ＬＡＩ和ＬＡＤ的估计值。我们已用两种针叶树的广角图象进行了验证实验。数字化的底视广角图象用树冠断层象数据采集系统（ＴＣＴＳ）摄取，１９９５年我们在园柏苗圃中摄取广角图象并同期手工测量的５?

SunScan冠层分析仪在测量大豆叶面积指数中的应用

SunScan冠层分析仪是一种利用间接测量法观测叶面积指数（LAI）的仪器，通过给定反映植被几何特征的椭球体叶倾角分布参数（ELADP），测量透射率获得LAI。于2005、2006年在黑龙江省嫩江县鹤山农场布设大豆试验地，通过比较LI-3100叶面积仪直接测量的LAI和SunScan冠层分析仪间接测量的LAI，得出ELADP率定结果，并验证了SunScan冠层分析仪测量LAI的精度。结果表明：用SunScan测量大豆冠层LAI时，ELADP取值为4．0；设定该参数后，SunScan测量的LAI与LI-3100测量结果一致，二者拟合的线性回归方程显著；随生长季叶面积的变化，SunScan测量误差略有变化；播种后50～85d，Sun—Scan观测值偏低7．2％，播种96d以后观测值偏高12．5％，播种后85～96d与LI-3100观测值十分接近，误差只有2．0％；经过参数率定后的SunScan测量LAI效果较好。

SunScan冠层分析仪在水稻叶面积指数测量中的应用

为了研究ELADP对SunScan测量LAI的影响规律,在江西省灌溉试验中心站针对晚稻开展试验研究,试验设3种施氮水平：N0（0kg/hm2）、N1（135kg/hm2）、N2（180kg/hm2）。对比分析SunScan间接测量水稻LAI与比叶重法实测水稻LAI,对ELADP进行率定,并分析其变化规律。结果表明,从移栽到抽穗开花期,不同施氮水平下,ELADP值在0.5左右变化;N2施氮水平下,乳熟期ELADP为1.2、黄熟期为1.7;N1施氮水平下,乳熟期ELADP为1.2,黄熟期ELADP大于4,没有得到具体值;N0施氮水平下,乳熟期和黄熟期ELADP均大于4,也没有得到具体值。综合分析表明,水稻ELADP取值从移栽到抽穗开花期为0.5,乳熟期及黄熟期1.2-1.7较合适。ELADP的率定结果为用SunScan准确测量水稻LAI提供了依据。

基于点云的植株表型构建和反射率方向性分析

三维激光扫描可瞬时高效地采集点云信息,在获取植物表型特征上具有独特的优势。植株不规则的几何结构导致了其复杂的光辐射过程。本文使用激光扫描仪采集了四种代表性植株的稠密点云,数字化为三维模型以准确计算结构表型参数。通过将激光点云计算的准确的叶倾角分布和叶面积指数替代传统的SAIL模型中的经验参数,减少了其中间参数,提高了模拟精度。并对模拟反射率和实测反射率进行多角度分析,发现模拟结果在主平面方向有较大提高,垂直主平面方向提高程度相对较弱;植被光谱吸收谷,如450 nm、670 nm,具有较强的光谱异性的同时,结构参数的影响也较为突出,改进后的效果明显,而在近红外反射峰如860nm则无明显改进。通过本文的研究,证明了利用激光快速获取植物表型参数的可行性,并成功利用准确结构参数解决辐射传输中的难点问题。

叶面积指数间接测量方法

叶面积指数是对地遥感的关键参数。间接测量法快速高效,已广泛应用于叶面积指数的地面测量和遥感验证中,服务于众多行业和领域,表现为论文被引数远远大于发文数。从理论基础、代表算法、测量仪器、影响因素几个方面全面总结了叶面积指数间接测量方法的发展和现状,指出聚集/尺度效应、叶倾角分布、木质组分、地形效应是影响测量精度的关键因素,针对这些影响因素对未来发展方向进行了展望。