棉花叶面积指数的遥感估算模型研究

【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec?手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2均达到了极显著水平。

基于森林资源连清数据的泗阳县杨树生物量遥感估算模型

基于2005年江苏省森林资源连续清查数据,采用蓄积量——生物量换算因子连续函数法计算杨树林生物量,对生物量与Landsat TM数据各波段的比值B1/B3、B2/B4、B2×B3/B4、B7/B5、B7/B5、(B4+B5-B2)/(B4+B5+B2)、B3/(B1+B2+B3+B4+B5+B7)、B3/B4及植被指数NDVI、RVI、TNDVI进行相关性分析,筛选杨树生物量遥感估算模型的相应因子;并应用逐步回归技术建立估算杨树生物量遥感模型,估算出2005年泗阳县杨树林总面积为29 768.6 hm2,总生物量约为1 786 771.2 t,平均生物量约为60.0 t/hm2。结果表明,在森林资源连续清查的数据基础上,利用遥感影像在县级区域尺度上对杨树森林生物量进行有效估算是完全可行的,其方法具有时间分辨率高的特点,使生物量估算在较大的时间和空间尺度上具备操作的可能性。

加工番茄叶面积的遥感估算模型

研究了不同水肥条件下加工番茄里格尔87-5和石红-206的冠层高光谱变量与叶面积指数的关系。发现加工番茄叶面积指数(LAI)与归一化植被指数(NDVI)和两个抗大气植被指数具有很强的相关性,r值均达到极显著水平。选取各个生育时期相关性最好的光谱变量与同步测定的叶面积指数建立LAI的遥感估算模型。苗期、坐果期、红熟期和采收期指数模型最好,青熟期一元三次模型最好,R2分别为0.6162、0.7426、0.6531、0.6532和0.6531。将建立的模型进行精度分析预测R2值分别为0.573、0.7359、0.5677、0.5504和0.6286。

县域植被净第一性生产力遥感估算模型及应用

植被净第一性生产力是评价地表植被状况的重要指标之一,对分析和评价全球和区域生态环境、碳循环等变化具有重要作用。该研究借助CASA模型机理以及气象学方法,建立县级区域净第一性生产力(NPP)遥感估算模型,并以房山区为应用案例,分析了北京市郊区1992年、2001年、2004年3年间8月份净第一性生产力的变化。分析结果表明,研究区3年间8月份的NPP分别为152.01g.m-2.mon-1、142.83g.m-2.mon-1、96.32g.m-2.mon-1;单位面积上的NPP年际间的变化主要受降雨量的影响,而区域NPP总量年际间的变化则要受降雨量和土地利用方式等因素共同影响。本模型估算结果与前人研究结果基本一致,可以利用本模型估算县域NPP。

毛竹林地上部分生物量遥感估算模型的可移植性

选择浙江省内临安、安吉、龙泉3个毛竹产区为研究区域,基于野外调查数据和Landsat 5 TM影像,分别建立3个区域的毛竹林生物量遥感估算模型,包括一元线性模型、一元非线性模型、逐步回归模型、多元线性模型和Erf-BP神经网络模型,并对3个区域的模型进行评价;最后,选择精度较好的模型进行移植并对其可移植性进行分析.结果表明:在3个区域,Erf-BP神经网络模型精度均最高,逐步回归模型和一元非线性模型次之.Erf-BP神经网络模型的可移植性最佳.模型类型和模型自变量对统计模型的可移植性有较大影响.

基于作物生长模型和遥感数据同化的区域玉米产量估算

为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。

NDVI相似性分区下天山地区草地总产草量遥感估算

山区草地总产草量遥感估算是定量评价区域牧业生产力的有效手段。常规总产草量地面观测数据准确性较高,但无法覆盖整个天山山区,且耗时耗力。针对此问题,以新疆天山山区为研究区,选取MODIS/MOD13Q1 250m植被指数(normalized difference vegetation index,NDVI)产品数据,以县(市)为单元,基于巴氏距离定量评价研究区植被指数分布区域相似性以得到有效遥感建模分区,在此分区基础上,结合草地总产草量实测数据,建立研究区植被指数-草地总产草量遥感估算模型。结果显示,1)基于各县(市)2009-2015年7月底至8月初植被生长期多年NDVI均值直方图计算巴氏距离,以巴氏距离d>0.5为阈值,研究区被划分为7个遥感建模区;2)各分区内NDVI-草地总产草量数据拟合方程形式不同,有线性、指数、幂指数和多项式回归方程几种形式。总体来看,各分区NDVI-草地总产草量拟合相关系数在0.784~0.836。交叉检验除天山北坡西段-伊犁河谷草原畜牧业区RMSE值在2 951kg·hm-2外,其他分区RMSE值均在266~928kg·hm-2,原因在于伊犁河谷草原畜牧业区实测草地总产量在10 000~30 000kg·hm-2的样点居多,区域草地总产量较其他区域多。

基于遥感反演的1982-2015年中国北方温带和青藏高原高寒草地地上生物量空间数据集

地上生物量(Aboveground biomass,AGB)不仅能够表征草地可利用资源的现状、反映草地的载畜能力与承载力,还是草地碳库的一个重要组成部分。因此,长期动态的AGB空间数据集一方面对畜牧业的可持续发展和草地生态系统优化管理策略的制定具有重要意义,另一方面也是理解陆地生态系统碳储量和生物地球化学循环变化过程的基础。本研究以大量地面实测AGB数据为基础,借助长时间序列的归一化植被指数数据,构建了中国北方温带和青藏高原高寒草地AGB的遥感估算模型,对1982–2015年间逐年的AGB进行了估算,从而形成了1982–2015年中国北方温带和青藏高原高寒草地AGB的逐年空间数据集。通过数据公开和免费下载服务的方式,为中国草地生态系统动态变化的相关研究提供基础数据支持,也为我国草地的适应化管理提供科学依据。

大孔径闪烁仪研究区域地表通量的进展

地表湍流通量包括感热通量和潜热通量的准确测定对天气气候、农业、水文和水资源管理等意义重大。在几公里到几十公里尺度上有代表性的区域湍流通量的观测研究,特别在非均匀下垫面情况下,仍然非常困难。近年来蓬勃发展的大孔径闪烁仪(LAS)为这一问题的解决提供了全新手段。在介绍大孔径闪烁仪原理的基础上,综述了国内外利用大孔径闪烁仪开展区域地表通量观测研究的进展,包括在不同地表的LAS测量与涡动相关方法有关结果的对比,影响测量精度的关键因子分析,以及在区域地表通量遥感估算模型检验中的应用等,最后对大孔径闪烁仪的应用前景进行了展望。

基于水体光学分类的二类水体水环境参数遥感监测进展

二类水体主要包括内陆及近岸水体,受浮游植物、悬浮颗粒、有色可溶性有机物等多种因素影响,光学特性复杂多变,难以建立统一的水环境参数遥感定量估算模型。针对水体的光学特征,进行水体光学分类,进而反演水环境参数的方法,不仅能够提高参数估算精度,而且便于模型在同类水体中推广应用。水体光学分类方法主要包括基于固有光学特征的光学分类、基于遥感反射率波形特征的光学分类和以参数反演为目标的光学分类等方法。在分类反演的策略中,包括分类与模型算法融合、基于水体光学类型优选算法、优选多模型混合计算等方法。具体应用时,需要根据研究区水体光学特征的复杂程度和研究目的,选取不同的分类方法及参数遥感估算策略。