Leaf area index (LAI) is an important parameter in monitoring crop growth. One of the methods for retrieving LAI from remotely sensed observations is through inversion of canopy reflectance models. Many model inversio...Leaf area index (LAI) is an important parameter in monitoring crop growth. One of the methods for retrieving LAI from remotely sensed observations is through inversion of canopy reflectance models. Many model inversion methods fail to account for variable LAI values at different crop growth stages. In this research, we use the crop growth model to describe the LAI changes with crop growth, and consider a priori LAI values at different crop growth stages as constraint information. The key approach of this research is to assimilate multiple canopy reflectance values observed at different growth stages and a priori LAI values into a coupled crop growth and radiative transfer model sequentially using a variational data assimilation algorithm. Adjoint method is used to minimize the cost function. Any other information source can be easily incorporated into the inversion cost function. The validation results show that the time series of MODIS canopy reflectance can greatly reduce the uncertainty of the inverted LAI values. Compared with MODIS LAI product at Changping and Shunyi Counties of Beijing, this method has significantly improved the estimated LAI temporal profile.展开更多
高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CC...高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。展开更多
叶面积指数(Leaf Area Index,LAI)高度综合了植被水平覆盖状况和垂直结构,以及枯枝落叶层厚薄和地下生物量多少,是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此,及时准确地掌握区域尺...叶面积指数(Leaf Area Index,LAI)高度综合了植被水平覆盖状况和垂直结构,以及枯枝落叶层厚薄和地下生物量多少,是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此,及时准确地掌握区域尺度上长时间序列的植被LAI,对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988—2013年10期遥感影像,基于反向传播(Back Propagation,BP)神经网络构建LAI反演模型,进行了长时间序列的叶面积指数反演。结合2009和2010年LAI实测值,验证与探讨了该模型的评价精度与适应性。结果表明:(1)该模型拟合度较高,2009和2010年平均相对误差、均方根误差、相关系数分别是0.2395和0.2174,0.2962和0.2581,0.7713和0.6844,各项精度评价指标均较好;(2)统计分析去除耕地后全市LAI变化,低植被覆盖(LAI<2)面积不断增加,高植被覆盖区(LAI>3)面积先减少后增加,耕地面积不断减少,符合南京市的发展变化规律;(3)主城区LAI年际变化与其他学者得到的南京市植被盖度变化趋势一致,反演结果的时序性较高。本文提出的基于反向传播神经网络模型反演长时间序列LAI是可行的,为区域尺度土壤侵蚀定量遥感监测提供新途径。展开更多
运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间...运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间序列反射率与LAI的动态变化关系。LAI_DBM模型使用遥感观测数据实时估算得到的LAI,在数据质量和时间连续性上比MODISLAI有改进。展开更多
定量获取地表植被高精度时序及空间覆盖的叶面积指数(Leaf Area Index,LAI)是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer(MODIS)植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A...定量获取地表植被高精度时序及空间覆盖的叶面积指数(Leaf Area Index,LAI)是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer(MODIS)植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据,发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal(RTLSR)核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot(SAILH)模型进行植被冠层辐射特征的提取,使用Anisotropic Index(ANIX)异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function(BRDF)的辅助特征信息,发展了基于数据机理(Data-Based Mechanistic,DBM)的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知:①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法,可实现模型参数的时序动态更新,改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息,可降低因观测数据几何条件差异所导致的反演结果不确定情况,同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践,可将算法应用于时空尺度的叶面积指数估算,并能够为生态、农业应用提供植被的高精度遥感监测指标。展开更多
基金supported by the National Natural Science Foundation of China (Grant Nos. 40871163, 40571107)the Beijing Natural Science Foundation (Grant No. 4083035)+1 种基金the National Basic Research Program of China (Grant No. 2007CB714407)the Program for Key International Science and Tech-nique Cooperation Project of China (Grant No. 2004DFA06300)
文摘Leaf area index (LAI) is an important parameter in monitoring crop growth. One of the methods for retrieving LAI from remotely sensed observations is through inversion of canopy reflectance models. Many model inversion methods fail to account for variable LAI values at different crop growth stages. In this research, we use the crop growth model to describe the LAI changes with crop growth, and consider a priori LAI values at different crop growth stages as constraint information. The key approach of this research is to assimilate multiple canopy reflectance values observed at different growth stages and a priori LAI values into a coupled crop growth and radiative transfer model sequentially using a variational data assimilation algorithm. Adjoint method is used to minimize the cost function. Any other information source can be easily incorporated into the inversion cost function. The validation results show that the time series of MODIS canopy reflectance can greatly reduce the uncertainty of the inverted LAI values. Compared with MODIS LAI product at Changping and Shunyi Counties of Beijing, this method has significantly improved the estimated LAI temporal profile.
文摘高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。
文摘叶面积指数(Leaf Area Index,LAI)高度综合了植被水平覆盖状况和垂直结构,以及枯枝落叶层厚薄和地下生物量多少,是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此,及时准确地掌握区域尺度上长时间序列的植被LAI,对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988—2013年10期遥感影像,基于反向传播(Back Propagation,BP)神经网络构建LAI反演模型,进行了长时间序列的叶面积指数反演。结合2009和2010年LAI实测值,验证与探讨了该模型的评价精度与适应性。结果表明:(1)该模型拟合度较高,2009和2010年平均相对误差、均方根误差、相关系数分别是0.2395和0.2174,0.2962和0.2581,0.7713和0.6844,各项精度评价指标均较好;(2)统计分析去除耕地后全市LAI变化,低植被覆盖(LAI<2)面积不断增加,高植被覆盖区(LAI>3)面积先减少后增加,耕地面积不断减少,符合南京市的发展变化规律;(3)主城区LAI年际变化与其他学者得到的南京市植被盖度变化趋势一致,反演结果的时序性较高。本文提出的基于反向传播神经网络模型反演长时间序列LAI是可行的,为区域尺度土壤侵蚀定量遥感监测提供新途径。
文摘运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间序列反射率与LAI的动态变化关系。LAI_DBM模型使用遥感观测数据实时估算得到的LAI,在数据质量和时间连续性上比MODISLAI有改进。
文摘定量获取地表植被高精度时序及空间覆盖的叶面积指数(Leaf Area Index,LAI)是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer(MODIS)植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据,发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal(RTLSR)核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot(SAILH)模型进行植被冠层辐射特征的提取,使用Anisotropic Index(ANIX)异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function(BRDF)的辅助特征信息,发展了基于数据机理(Data-Based Mechanistic,DBM)的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知:①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法,可实现模型参数的时序动态更新,改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息,可降低因观测数据几何条件差异所导致的反演结果不确定情况,同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践,可将算法应用于时空尺度的叶面积指数估算,并能够为生态、农业应用提供植被的高精度遥感监测指标。