利用叶面积指数分析气候变化下阿尔泰山泰加林的生长稳定性及其影响因素

阿尔泰山泰加林是西西伯利亚泰加林的南缘,受到全球变化的影响日益加剧,然而在气候变化背景下影响泰加林生长稳定性的关键因子尚不明确。利用叶面积指数(LAI)遥感数据,采用LAI基尼系数作为表征生长稳定性的指标,分析了1982—2018年间阿尔泰山泰加林生长稳定性的变化,并建立多元线性模型分析了气候条件及变化状况、植被生产力、植被高以及植被类型等因素的影响。结果表明:(1)阿尔泰山地区近38年间潜在蒸散量(PET)所表征的热量条件年际增加趋势显著,稳定性较低,饱和水汽压差(VPD)表征的水分条件年际变化趋势较小,泰加林生长稳定性在气候方面主要受到PET的影响;(2)泰加林生长稳定性在高海拔地区较低,低海拔地区较高,且主要受平均叶面积指数(Mean LAI)所表征的植被生产力的影响,对密林(Mean LAI>2.091)而言,生产力越大、稳定性越低,对疏林(Mean LAI≤2.091)而言,生产力越大、稳定性越高,生物因素影响甚至大于气候因素。在气候变化的影响下,稳定性较低的高海拔地区泰加林未来的生长可能会衰退,而生产力较高的泰加林承担着更多的生态系统功能,稳定性降低将导致其面临的威胁也更大。阿尔泰山泰加林作为区域重要的生态安全屏障,未来的保护应当将重心倾向于高海拔及高生产力的泰加林,以减缓气候变化对区域生态安全的影响。

基于MODIS数据的近20年海南岛叶面积指数时空变化及驱动力分析

叶面积指数(LAI)是重要的植被结构参数之一,在监测植被生长状态、评估生态系统健康以及制定环境保护政策等方面均具有重要价值。海南岛因其特殊的地理位置和气候条件,拥有丰富的植被资源,气候变化及人类活动对其影响不断加剧。因此,深入研究海南岛LAI的时空变化对于理解该地区植被状况具有重要参考意义。本研究基于2002—2022年的MOD15A2 LAI产品数据集和气象数据,利用Theil-Sen中值分析和Mann-Kendall趋势检验等方法,分析了海南岛LAI的时空分布变化及其对气候因子的响应。结果表明:1) 2002—2022年,海南岛LAI整体呈增长趋势,其中北部的增长趋势明显强于南部。这一现象与橡胶种植业的发展和南部地区旅游产业的兴起有关,表明LAI的变化与人类活动紧密相连。此外,海南岛的LAI分布呈现中部高、周边低的空间特征,与该地区的地势特征相一致。2) 2002—2022年海南岛LAI的平均变异系数为0.136,说明植被变化波动较小,表明其能保持生态平衡和一致性。3)在气候暖干化的背景下,温度上升对植被生长的促进作用存在饱和效应。海南岛北部地区的LAI与温度主要呈正相关,而南部地区主要呈负相关,降水的影响则与温度相反。以上结果表明,海南岛LAI的空间差异和时空变化主要受气候条件、地形和人类活动等多种因素的协同作用。本研究为海南岛植被保护、生态修复和气候适应性管理提供了科学依据。

基于临界慢化模型和长时间序列叶面积指数的植被及其恢复力遥感监测研究——以三峡库区为例

基于临界慢化模型,利用长时间序列叶面积指数(GLASS LAI)数据,进行时间序列分解后,计算了LAI及其时间自相关指数作为指标,对三峡库区植被及其恢复力进行监测,通过案例模型对临界慢化模型精度进行了验证,分析了三峡库区植被及其植被恢复力的时空分布特征,探索基于临界慢化模型的植被恢复力遥感定量估算方法的适用性。结果表明:(1)2000—2018年三峡库区LAI平均值为3.4,重庆段LAI较低,湖北段LAI较高;三峡库区LAI整体呈上升趋势,重庆段LAI呈现降低趋势,显著下降区域占重庆段面积的21.75%,湖北段LAI呈现升高趋势,显著上升区域占湖北段面积的21.22%;(2)2000—2018年三峡库区重庆市北碚区、大渡口区、渝北区植被恢复力较低,宜昌市兴山县、夷陵区、点军区植被恢复力较高;(3)模型精度方面,在两个地质灾害扰动事件中案例模型结果与临界慢化模型结果呈现较高的一致性。本文对三峡库区2000—2018年的植被恢复力进行了定量估算,同时通过案例模型对临界慢化模型在恢复力监测上的有效性进行了验证,为三峡库区制定相应生态环境管理决策提供理论基础,为保障西南地区生态安全提供决策依据。

黑河流域叶面积指数(LAI)空间尺度转换

为有机地整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量,尺度问题越来越受到人们的重视。选取黑河张掖绿洲区为实验研究区,利用ETM+影像反演的LAI通过升尺度转换到900m分辨率,对LAI尺度转换过程中引起的误差进行了定量分析,尝试提出一种新的基于NDVI像元分解的更有效的升尺度转换方法。研究发现非线性的升尺度算法引起的误差不超过10.5%,且误差大小与地表异质性程度正相关,而地表异质性是导致LAI尺度转化误差的主要原因,严重时可能造成45%的偏差,但纯像元LAI的计算不受尺度影响。提出的基于NDVI像元分解的LAI升尺度转换算法,分两步考虑了地表异质性问题,很好的实现了研究区30m空间精度LAI向900m的尺度转换,该方法应用于干旱、半干旱的中国西北黑河流域NASA发布的MODISLAI产品校正,取得了良好效果。

基于免疫进化算法(IEA)的鹤望兰(Strelitzia reginae)叶面积指数(LAI)模拟

免疫进化算法(IEA)是基于遗传算法(GA)的一种“加强局部搜索,兼顾全局搜索”的进化算法。利用免疫进化算法(IEA)对鹤望兰叶面积指数(LAI)进行模拟,平均相对误差为3·44%,取得满意的结果,对鹤望兰栽培管理有一定的实际意义。免疫进化算法用于鹤望兰叶面积指数模拟简便、易行,为鹤望兰叶面积指数模拟模型的建立及参数优化开辟了一条新途径。

叶面积指数(LAI)测定方法研究进展

叶面积指数(LAI)是指植物植株所有叶片单面面积总和与植株所占的土地面积的比值,能反映可用于光能截获和气体交换的植物潜在叶片面积,是研究农学、林学、生态学、气象学等学科的重要参数。本文总结了国内外测定叶面积指数的主要方法,地面测定LAI和遥感反演LAI两大类方法的研究进展,同时阐述了LAI尺度转换的问题,并对各种测定方法进行了讨论,提出了一些改进的方法。

汉江流域叶面积指数(LAI)空间尺度转换研究

为有效地整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量,尺度问题越来越受到人们的重视。本文选取汉江流域为研究区,尝试对TM/ETM+影像反演的LAI升尺度转换,使用了一种基于NDVI像元分解的LAI升尺度转换算法,分两步考虑了地表异质性问题,很好的实现了900×1500大小实验区30m空间精度LAI的向120m,300m,900m,3600m四种尺度的转换,该方法应用于整个汉江流域NASA发布的MODIS LAI产品校正,取得了良好效果。

MODIS植被叶面积指数对贵州高原山地气象条件的响应

用EOS/MODIS卫星遥感分辨率为1 km的贵州2001—2008年每8 d合成植被叶面积指数（LAI）,分析了LAI的时间变化规律和年、季空间分布特征;还用贵州69个气象站的日观测数据,分别与各气象点所对应的3×3个像元LAI平均值进行气象要素（温度、降水、日照时数和水汽压）与LAI的相关分析。结果表明：该地区LAI年变化为0.3~3.0,多年平均LAI的空间分布是东南部最高（4.0）,西部和西南部最低（1.0）。显著影响LAI变化的气象因子按相关系数的大小排列是：温度、水汽压、日照时数和降水（均通过了99.9%信度检验）。水汽压对LAI产生影响的原因可能与高原喀斯特地区土壤层较薄有关。在考虑云贵高原植被年际间变化对气候变化的响应时可以把这些要素作为重要的影响因子。

用多辐射校正水平遥感数据提取植被叶面积指数的精度分析

选用南京市SPOT5 HRG图像的地物反射率（PAC）、表观反射率（TOA）、星上辐射率（SR）和灰度值（DN）影像,提取了2种植被指数（VI）,即归一化植被指数（NDVI）和比值植被指数（RVI）,与地面实测的植被叶面积指数（LAI）进行了相关分析,并建立了157个LAI-VI关系模型。结果显示：LAI与VI呈显著的正相关关系（r=0.303~0.927,p〈0.01）,对应不同植被的优选模型自变量包括了3个辐射校正水平的2种植被指数,可见基于不同辐射校正水平的植被指数在LAI遥感反演中具有一定的应用潜力。这些优选模型为：阔叶林：LAI=-3.345＋5.378RVISR＋7.329NDVISR（R2=0.818,RMSE=0.527）,针阔混交林：LAI=1.696＋17.076NDVIDN＋137.684（NDVIDN）2-288.240（NDVIDN）3（R2=0.919,RMSE=0.440）,灌木：LAI=-0.065＋19.112NDVISR-113.820（NDVISR）2＋184.207（NDVISR）3（R2=0.900,RMSE=0.448）,草地：LAI=-5.905＋6.446RVISR＋9.477NDVISR（R2=0.944,RMSE=0.378）,植被总体：LAI=-1.615＋7.199NDVIDN＋2.640NDVISR＋2.105RVIPAC（R2=0.801,RMSE=0.668）。研究表明,基于不同植被类型、不同辐射校正水平影像的LAI遥感估算有利于充分挖掘遥感影像信息,进而提高LAI估算的精度。

城市绿地园林树种叶面积指数测定方法研究——以小叶榕为例

分别采用半球面影像技术和LAI-2000冠层分析仪对华南地区最常用园林树种小叶榕(Ficus microcarpa)的叶面积指数(Leaf Area Index,LAI)进行测定、比较和分析。研究表明,2种测量仪器所测LAI值存在极显著正相关(P<0.001);用半球面影像技术测量的LAI值与冠幅、胸径和树高之间也存在极显著一元线性关系,构建回归模型分别为:LAI=0.0444Cw+1.6526,LAI=0.0088D+1.8327,LAI=0.0543H+1.6404;通过模型可估测小叶榕单株的叶面积指数,达到95%的置信区间的估测值范围。

青城山地区植被光谱与叶面积指数关系初探

根据青城山地区所采集的植物高光谱数据,提取了三种植被指数:①归一化植被指数(NDVI);②比值植被指数(RVI);③差值植被指数(DVI)。并结合该研究区实测的相应叶面积指数(LAI),分别建立各植被指数与叶面积指数之间的转换模型,得出了预测模型。结果表明:采用比值植被指数RVI进行试验区的LAI反演效果更好。本次研究结合植被光谱与植被指数,反映了植被指数与对应叶面积指数之间的关系,为二者之间的相互转换提供必要参考,为森林遥感监测提供了一定的依据。

基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演

为给小麦田间管理提供基础数据,利用高光谱指数实现了小麦冠层叶面积指数(LAI)值的估测。在21种高光谱指数中筛选出了与LAI值相关性最强的指数OSAVI,建立了小麦LAI值反演的最小二乘支持向量回归(LS-SVR)模型。分析表明,模型校正集决定系数(C-R2)与预测集决定系数(P-R2)分别达0.851与0.848,可实现小麦LAI值的精确反演,且对LAI值较高与较低的样本均具备良好的预测能力,可有效避免冠层郁闭度等因素对估测结果的影响。利用LS-SVR模型与OMIS影像实现了小麦LAI遥感专题图的制作,其填图结果与地面实测值拟合模型R2达0.774,RMSE仅为0.476,2组数据具有较高的相似度。结果表明:可利用高光谱指数实现小麦冠层LAI值信息的准确获取,且OSAVI系反演建模的优选指数,LS-SVR为建模的优选算法。该研究可为小麦等农作物的长势评估提供参考。

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。

基于小波变换与支持向量机回归的冬小麦叶面积指数估算

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9和8,对应小波系数的LAI回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI建立的SVR模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI反演精度最低(R2<0.76,RMSE>0.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI回归方法比较结果表明,SVR比PLS更适合于LAI的估测,通过将CWT与SVR结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。

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5.0×106t;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%。

基于人工神经网络方法的冬小麦叶面积指数反演

实践中,大尺度上测量叶面积指数(LAI)很难实现,利用遥感技术进行LAI的定量反演成为当前研究的重点。该文应用MODIS地表反射率数据反演冬小麦叶面积指数,假设MODIS像元由作物和土壤混合,建立了SAILH模型与裸土反射率组成的线性光谱混合模型,基于人工神经网络的方法进行LAI反演,获得了北京顺义冬小麦种植区在2001年4月1个时间序列的LAI。研究表明,此方法能够较好的获取大区域尺度上的LAI,对冬小麦长势监测具有重要意义。

图像处理技术估测水稻叶面积指数的研究

为了探讨图像处理技术测定水稻叶面积指数(LAI)的可行性,利用数码相机获取水稻冠层影像,通过图像处理获取冠层图像的覆盖度,并建立模型从而估测出水稻LAI。试验结果表明,利用覆盖度与实测叶面积指数之间建立的关系模型可以估测水稻LAI,并对利用该模型测出的叶面积指数与实测叶面积指数进行统计检验,它们之间的相关系数在0.77～0.93*之间,达到显著或极显著水平。说明通过覆盖度估测水稻叶面积指数是可行的,该研究结果为获取水稻LAI提供了有效途径。

新疆植被生产力与叶面积指数的变化及其对气候的响应

利用美国探路者卫星遥感资料AVHRR LAI和全球生态模式CASA给出的植被净初级生产力资料（NPP）对新疆地区1982～2000年的植被时空变化进行了定量分析,结果表明新疆地区的LAI和NPP的空间分布严格受水分的制约,与气温呈负相关,表现出干旱内陆地区植被受降水控制的地带特征.相对于20世纪80年代,90年代整个新疆出现了变暖的趋势,降水基本也呈现增加的趋势,在42°N以北地区暖湿转型尤其明显,与这种气候型相对应,植被出现了明显的增加趋势,NPP最大增幅可达45gCm-2a-1.但植被对气温和降水的年际变化响应不一样,降水主要是影响植被峰值的起落,而植被在总体演变趋势上却主要受气温控制,3个分区1984～2000年的气温明显上升,而降水变化趋势不明显,植被受气温控制出现了显著的上升趋势（P＜0.01）.

基于GF-1号卫星WFV数据反演玉米叶面积指数

叶面积指数(Leaf Area Index,LAI)是描述作物生长状况的重要生理生态参数之一.该文以河南封丘县玉米为研究对象,利用中国高分辨率对地观测系统的首发星——高分一号(GF-1)WFV数据,计算4种常用的植被指数,包括归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio,SR)、土壤调节植被指数(soil-adjusted vegetation index,SAVI)和修正的土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI).结合地面同步实测的玉米LAI数据,建立各植被指数与实测LAI的统计回归模型.结果表明:研究区玉米LAI和4种植被指数之间均有较强的相关性,其中,MSAVI-LAI的指数模型相关系数达到了0.842 6,LAI反演精度最高.使用独立的野外观测数据对模型进行验证,平均相对误差为4.85%,均方根误差(root mean square error,RMSE)仅为0.183,表明该文建立的LAI经验统计模型具有较高的精度,利用GF-1 WFV影像可以快速、准确地监测河南封丘玉米LAI,GF-1影像用于LAI等地表参量遥感定量反演具有巨大的潜力.2014年8月中旬,封丘大部分地区玉米LAI大于4,玉米长势较好.该研究结果可为利用经验统计模型反演河南玉米LAI提供参考.

高光谱遥感森林叶面积指数估测研究现状

文中简要概述了叶面积指数和高光谱遥感的概念,分析比较了高光谱遥感与传统的宽波段遥感估测森林叶面积指数的优势,以及利用高光谱遥感数据估测森林叶面积指数的常用方法,并对目前高光谱遥感估测森林叶面积指数存在的问题行了讨论。