无人机激光雷达点云密度对森林遥感反演指数提取的影响

点云密度是激光雷达(light detection and ranging,LiDAR)技术的重要参数,对森林遥感反演指数的提取有重要影响。以1600 m×1450 m大小的无人机(unmanned aerial vehicle,UAV)LiDAR数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀,获取不同密度的点云数据集,利用不同密度数据集提取郁闭度、间隙率、叶面积指数、点云高度和密度分位数等森林遥感反演指数,并与原始数据提取的森林遥感反演指数进行差值比较。(1)当点云密度较小时,提取的郁闭度略微偏低,而间隙率略微增加,点云密度对郁闭度、间隙率的影响极小。(2)当点云密度较大时,对叶面积指数的影响不大,但当点云密度较小时,对叶面积指数的影响较大,个别区域可能出现叶面积指数突变。(3)当点云密度较大时,点云密度对高度、密度分位数的影响不明显,但当点云密度降至3.6点/m2时,可能会出现个别区域密度、高度密度分位数突变的情况。点云密度对森林遥感反演指数有重要影响,合适的点云密度有利于更准确地描述森林结构形态,过小的点云密度影响森林遥感反演指数的提取。

遥感反演土壤水分指数的适用性研究

土壤水分是地表过程的核心变量之一,实时准确掌握土壤水分的空间分布信息有利于水资源管理、洪水预测以及全球气候变化研究,且对于农业发展及灌溉等都具有重要的意义。遥感反演土壤水分指数发展十分迅速,但对于不同指数的适用性还缺乏定量的认识。本文利用2012至2014年那曲地区MODIS数据计算多种遥感反演土壤水分指数,并与地面观测数据进行相关性分析,结果表明:在非冻融时期,ATI、SEE以及TVDI与土壤水分相关性较好,从相关系数来看,在不考虑植被覆盖条件和低植被覆盖条件下与土壤水分相关性较好的指数依次是ATI、SEE和TVDI;而在高植被覆盖条件下与土壤水分相关性较好的指数依次是SEE、TVDI、SWCTI和ATI;同时本文认为综合使用多种指数是实现土壤水分监测一种有效的途径,在不考虑植被覆盖和低植被覆盖条件下综合使用ATI、SEE组合,在高植被覆盖条件下综合使用SEE、ATI、NDVI组合可以更有效地监测土壤水分的时空分布。

遥感反演连续植被叶面积指数的空间尺度效应

叶面积指数(LAI)是描述植被冠层几何结构的最基本的参数,是气候模型、地-气相互作用等过程的重要输入参数.近年来遥感反演LAI的尺度效应问题得到广泛关注.在作物冠层反射率模型基础上,讨论了LAI尺度效应的产生机制,并获得不同尺度之间LAI的转换公式,数值模拟试验和实际遥感图像试验都证明了该尺度转换公式的可靠性.