基于GF-1/2卫星数据的冬小麦叶面积指数反演

叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。

Sentinel 2A影像去云下的丘陵地区植被覆盖度反演

光学遥感影像作为一种重要的数据源,被广泛应用于植被覆盖度反演,但南方丘陵地区常年多云雾,受云雾污染,像元质量下降。受丘陵地形的限制,地块破碎化严重,加之南方丘陵植被类型多,植被光谱变化较大,这些因素造成了植被覆盖度提取的准确度降低。为了提高丘陵地区植被覆盖度反演的精度,提出一种整合光学与SAR影像的反演框架。以Sentinel1A和Sentinel 2A影像作为遥感数据源,首先利用Sentinel 1A的光谱特征去除Sentinel 2A影像上的云像元,再使用光谱归一化减弱植被的光谱变化,在此基础上将扩展线性光谱混合模型用于反演植被覆盖度。结果表明:该框架能有效恢复云污染的像元,端元和影像归一化后,降低光谱异质性,反演丘陵地区植被覆盖度的精度较高,均方根误差为0.14,相关系数为0.95,接近地表植被覆盖的真实情况。

基于雷达和光学遥感数据的云污染区域光谱重建算法

光学遥感影像在农业领域中应用广泛,但易受天气影响,为减少云污染对影像质量的影响并恢复受污染区域的光谱信息,该研究提出了一种基于雷达和光学遥感数据的云污染区域光谱重建方法。该方法通过结合合成孔径雷达数据,将雷达信号与地类信息作为重建区域的约束条件,在雷达影像上计算相应距离矩阵并移植到光学影像上进行替换,在提高像元间匹配精度的同时最大限度地保留原始影像的光谱信息,为后续地表信息的准确提取奠定基础。为了评估所提出方法的性能,该研究采用传统像素替换法、加权线性回归方法以及基于曲率驱动的方法进行对比试验。结果表明,改进算法重建的波段反射率更接近参考影像,其中Band2、Band3相关系数达到了0.925与0.922,均方根误差分别为0.009、0.007,重建影像与参考影像间的质量损失较少,各波段的峰值信噪比与结构相似性均最高,说明该研究算法在重建影像质量、与参考影像的相似性和光谱特征一致性方面取得了较好的结果。