林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

基于Sentinel-2的复杂山区常用植被指数地形效应分析

结合典型地形校正模型，比较复杂山区不同植被指数的地形效应去除效果，能够为地表植被的准确评估提供科学依据。本文以湖南省炎陵县的Sentinel-2影像为数据源，采用C模型、SCS+C模型以及Teillet-回归模型对比值型植被指数(NDVI和SR)和非比值型植被指数(MNDVI和RSR)进行地形校正，从视觉效果、相关性、坡度、坡向、植被覆盖度方面分析4种植被指数的地形效应去除效果。结果表明：(1)植被指数的波段比形式能够有效抑制地形引起的噪声。坡度<15°时，植被指数的地形效应均有不同程度的抑制；坡度>15°时，MNDVI的校正效果最好，RSR次之，NDVI和SR容易出现过度校正。(2)3种地形校正模型均能削弱复杂山区植被指数的地形效应，特别是坡度>15°时，C模型效果最好，SCS+C模型次之，Teillet模型效果较差。(3)MNDVI指数结合地形校正模型，能够有效抑制复杂山区地形效应的影响，提高植被覆盖度的估算精度。其中，坡度<25°时，Teillet模型效果最好；坡度>25°时，C模型效果最好。     

大气校正对毛竹林生物量遥感估算的影响

基于Landsat TM影像对毛竹林生物量进行了估算,并利用6种大气校正方法(FLAASH、6S、DOS1～DOS4)分析了大气校正对毛竹林生物量遥感估算的影响.结果表明：6种大气校正模型均能有效地消除大气影响;不同大气校正模型校正后,归一化植被指数(NDVI)与毛竹林生物量之间的关系得到很好改善;对于同一种大气校正方法而言,NDVI、红外指数（II）和近红外指数（MI）与生物量之间关系的差异较大,说明在探讨植被指数的生物物理意义时必须进行大气校正;与其他5种模型相比,DOS3模型校正后的Landsat TM数据与毛竹林生物量之间具有最高的相关系数,但6种校正模型校正前后Landsat TM数据与毛竹林生物量之间的相关系数没有显著差异,说明采用单一时相遥感影像建立多元线性回归模型估算生物量时,可以不进行大气校正.     

植被指数的地形效应研究进展

植被指数是定性、定量评估绿色植被的关键指标,已经广泛应用于地表植被的监测.森林多分布在地形复杂山区,利用植被指数进行森林植被信息反演时地形对其影响较大.本文从几何光学模型原理分析了冠层反射率的地形效应,分析比较完全比值型植被指数(简单比值植被指数SR、归一化植被指数NDVI和湿度调整植被指数MAVI)、非完全比值型植被指数(增强型植被指数EVI和土壤调整植被指数SAVI)、非比值型植被指数(减化比值植被指数RSR、修正归一化植被指数MNDVI和绿度植被指数GVI),以及地形调节植被指数TAVI对地形的响应,试图为复杂地形山区选取植被指数提供参考.最后分析了植被指数地形效应研究的不足并对未来发展进行展望.     

植物叶绿素含量的遥感模型及用陆地卫星数据所作的二维分布图

为了确定全球和区域尺度的植物叶绿素含量的多少和分布,遥感方法是一种很好的途径。有些遥感科学家直接利用归一化植被指数(NDVI)等植被指数推算叶绿素含量。实践表明,这种做法的缺点有:1.植被指数NDVI中的近红外波段反射率与叶绿素含量基本无关,这样NDVI中的主信息并没有表达叶绿素含量,其信噪比显著降低;2.存在明显的信息不确定性,同一个植被指数NDVI可能有两种状态:较高叶面积指数伴有较低叶绿素含量或者是较低叶面积指数伴有较高叶绿素含量。通过实践,作者推导出可用LANDSAT和NOAA影像图灰度值推算植被叶绿素含量遥感模型。并在中国科学院禹城遥感实验场实际应用中得到验证:用其模型推算植被叶绿素含量的精度比NDVI有较明显提高,不确定性有明显的降低。     

森林冠层叶面积指数遥感反演——以小兴安岭五营林区为例

以中国东北小兴安岭五营林区为研究区,基于MODIS BRDF遥感模型参数产品数据,首先利用4-Scale模型建立查找表计算像元尺度上各组分比例,估算研究区森林乔木冠层反射率,然后利用冠层反射率数据,获取研究区3种常用森林冠层植被指数,最后基于植被指数与实测叶面积指数构建研究区冠层叶面积指数反演模型,并选取最优模型实现研究区森林冠层叶面积指数反演。结果表明:研究区冠层LAI遥感反演模型中,基于比值植被指数SR(simple ratio,SR)构建的二次多项式反演模型精度最高,且反演精度比未考虑背景反射影响的SR反演模型精度有较大幅度提高,模型决定系数由0.38提高至0.54;反演获取的研究区冠层LAI在2.38~12.67,平均值6.52,LAI值在阔叶林区域相对较高。     

植被叶面积指数遥感监测模型

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步的探讨。以江苏省宜兴市作为研究区,采用2002年8月22日获得的Landsat-5TM图像数据和2003年8月23～26日采用LAI-2000进行的野外实测植被叶面积指数(LAI)数据,分别探讨了植被指数(VI)与LAI的一元、多元线性回归模型和非线性回归模型,其中的非线性回归模型包括对数、指数、乘幂和多项式回归模型。结果表明,VI与LAI之间的最佳回归模型为多元线性回归模型,R2达0.864;采用逐步选择剔除法,遴选出了用于回归模型的植被指数为RVI、PVI、SAVIL=0.35、MSAVI、ARVIγ=1、ARVIγ=0.5和SARVI。经模型LAI=-ln((VI-VI∞)/(VIg-VI∞))/KVI检验,预测值(y)与实测值(x)的拟合度较好y=0.5345x 1.3304,R2为0.7379。RVI与LAI的三次多项式回归模型也较好,R2为0.7806。再次为RVI与LAI的一元线性回归模型,R2为0.7726,比值植被指数RVI在反演叶面积指数模型中具有较高的灵敏度。     

三江平原湿地植被叶面积指数遥感估算模型

利用中巴资源卫星CBERS-02影像提取的归一化植被指数(NDVI)和同期野外实测的叶面积指数(LAI)数据,分析了三江平原洪河自然保护区草甸、沼泽植被、灌丛和岛状林4种湿地植被及样本总体的NDVI与LAI之间的相关关系,建立了NDVI与不同湿地植被类型叶面积指数间的线性和非线性回归模型,并制作完成洪河自然保护区LAI空间分布图.结果表明,整个研究区样本总体的LAI估算效果不太理想,其NDVI与LAI的相关性仅为0.523;将研究区分为草甸、沼泽、灌丛和岛状林4种湿地植被类型,NDVI与各植被型LAI的相关性和估算效果均有很大程度的提高,所建立的LAI遥感反演模型以三次曲线回归方程拟合精度最高,R2分别达到0.723、0.588、0.837、0.720.以上结果表明,结合地面实测数据并基于遥感植被分类的基础上,CBERS-02遥感影像可用于较大区域内湿地植被生理参数的反演研究.     

森林生态系统立地指数的遥感分析

森林生态系统立地指数分析和立地质量的评估是森林生态系统经营管理和造林营林的重要理论基础与规划方法,也是研究森林生态系统生产力的重要内容.由于技术的限制,迄今为止,还没有实现森林生态系统立地空间分布格局的分析和开展立地条件随时间动态变化的研究.卫星遥感为大面积研究森林生态系统的生产力及其空间分布格局和动态提供了一条重要的途径.以云杉为对象,利用卫星遥感为研究手段,在岷江上游的四川西北部松潘镇江关流域研究森林生态系统立地指数的空间分布特点,探索有关遥感反演模型的建立,并通过有关精度的评估分析这种高技术应用的价值和潜力.研究结果表明,遥感植被指数NDVI和TNDVI与野外实测云杉立地指数（SI）基本为线性相关.通过对模型模拟结果和实际测定结果的比较研究,发现在1：1比例的分析图中,NDVI和TNDVI的遥感反演模型都有很好的拟合效果与较高的精度,说明通过遥感植被指数的方法测定森林立地指数具有较高的实用价值.     

基于MOD09产品的水稻叶面积指数和叶绿素含量的遥感估算模型

基于中分辨率成像光谱仪MODIS (moderate resolution imaging spectroradiometer)反射率产品MOD09的同步野外实测水稻叶面积指数（LAI）和叶绿素含量（Chltot）相关数据,探寻用MOD09产品提取的植被指数(VIs)与水稻LAI和Chltot之间的相关性以及估算模型. 结果表明,MOD09计算的VI数值比MODIS前3个波段数值偏大,归一化植被指数NDVI (normalized difference vegetation index) 值普遍比增强性植被指数EVI(enhanced vegetation index) 值大. 通过4种不同植被指数与LAI相关性的比较,得出EVI与LAI的相关关系在水稻各个生育期优于其它植被指数,基于MOD09-EVI建立水稻LAI的遥感估算模型,经实际地面同步数据检验, 模型精度较高. 因而, MOD09-EVI较适用于水稻叶面积指数的实时遥感监测. MOD09红波段与Chltot之间的相关性在水稻前中期达到显著,并且优于其它植被指数,基于MOD09红波段建立了水稻前中期Chltot的估算模型并进行了精度检验. 除水稻孕穗期叶绿素含量估算模型的相关系数和F值通过了显著性检验外, 其余生育期估算模型都没有通过显著性检验.     

基于遥感图像不同辐射校正水平的植被覆盖度估算模型

选用南京市SPOT 5 HRG图像的地物反射率(PAC)、表观反射率(TOA)和灰度值（DN）影像,提取了4种植被指数（VI）,即归一化植被指数（NDVI）、转换植被指数（TVI）、土壤调节植被指数（SAVI）和修正的土壤调节植被指数（MSAVI）,与地面实测的植被覆盖度进行了回归分析,并建立了36个VI-VFC关系模型.结果表明：在所有模型中,基于PAC级影像提取的NDVI和TVI的3次多项式模型最优;其次为基于DN级影像提取的SAVI和MSAVI的3次多项式模型,在VFC>0.8时其精度略高于前两种模型.这4个模型在植被中等密集区域（VFC＝0.4～0.8）的精度高于植被稀疏区域（VFC=0～0.4）.所建模型可通过中间模型的联结,进行推广使用.在基于VI-VFC关系建模过程中,基于遥感影像不同辐射校正水平提取植被指数,有利于充分挖掘遥感影像信息,进而提高VFC估算的精度.     

Spectral vegetation indices as the indicator of canopy photosynthetic productivity in a deciduous broadleaf forest

Aims Understanding of the ecophysiological dynamics of forest canopy photosynthesis and its spatial and temporal scaling is crucial for revealing ecological response to climate change. Combined observations and analyses of plant ecophysiology and optical remote sensing would enable us to achieve these studies. In order to examine the utility of spectral vegetation indices (VIs) for assessing ecosystem-level photosynthesis, we investigated the relationships between canopy-scale photosynthetic productivity and canopy spectral reflectance over seasons for 5 years in a cool, temperate deciduous broadleaf forest at 'Takayama' super site in central Japan.Methods Daily photosynthetic capacity was assessed by in situ canopy leaf area index (LAI), (LAI × V cmax [single-leaf photosynthetic capacity]), and the daily maximum rate of gross primary production (GPP max) was estimated by an ecosystem carbon cycle model. We examined five VIs: normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), green–red vegetation index (GRVI), chlorophyll index (CI) and canopy chlorophyll index (CCI), which were obtained by the in situ measurements of canopy spectral reflectance.Important findings Our in situ observation of leaf and canopy characteristics, which were analyzed by an ecosystem carbon cycling model, revealed that their phenological changes are responsible for seasonal and interannual variations in canopy photosynthesis. Significant correlations were found between the five VIs and canopy photosynthetic capacity over the seasons and years; four of the VIs showed hysteresis-type relationships and only CCI showed rather linear relationship. Among the VIs examined, we applied EVI–GPP max relationship to EVI data obtained by Moderate Resolution Imaging Spectroradiometer to estimate the temporal and spatial variation in GPP max over central Japan. Our findings would improve the accuracy of satellite-based estimate of forest photosynthetic productivity in fine spatial and temporal resolutions, which are necessary for detecting any response of terrestrial ecosystem to meteorological fluctuations.     

基于影像纹理特征的川西南山地常绿阔叶林有效叶面积指数的空间分析

遥感是获取叶面积指数（LAI）信息的最有吸引力的选择之一,但目前基于遥感数据的叶面积指数估测精度有限.本文以川西南山地常绿阔叶林为研究对象,基于地面调查的83个20 m×20 m样地和SPOT5数据,运用灰度共生矩阵法提取影像单波段、简单波段比图和主成分图的纹理信息,以不同图像处理方式的纹理参数作为辅助变量进行地统计分析估算有效LAI（LAIe）.结果表明： LAIe与不同方式处理图像的纹理参数存在不同程度的相关性,其中,与B₁波段、B₁/B₄和PC₁的均质性呈极显著相关关系.与以归一化植被指数（NDVI）为辅助变量相比,以纹理参数B₁波段、B₁/B₄和PC₁的均质性作为辅助变量估测LAIe的精度均有所提高,分别提高5.3%、11.0%、14.5%,还能在一定程度上降低统计误差.以NDVI、PC₁均质性作为辅助变量的LAIe空间地统计估测模型最优（R²＝0.840,RMSE=0.212）.本研究结果为合理地选择除植被指数外的其他辅助变量估测区域LAI的空间分布提供了一种新的思路和方法.     

基于MODIS时间序列反射率数据的雷竹林LAI反演

本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月-2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明: SR为唯一入选逐步回归模型的变量;b₁、b₂、b₃和b₇以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R²为0.71,RMSE为0.34,RMSE_r为13.6%,其R²比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSE_r降低了12.3%,与MODIS LAI相比,其R²提高了54.5%,RMSE降低了79.3%,RMSE_r降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.     

基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例

利用遥感估测地上生物量是国内外生态学与地理学的研究热点。但基于植被指数的生物量回归模型结果差异较大,究竟哪种植被指数与哪种模型更适合典型草原的生物量反演,是现代草地遥感急需解决的问题之一。该文基于TM影像数据的不同植被指数(VI)差异性,分别选取了RVI(比值植被指数)、NDVI(归一化差异植被指数)、SAVI(土壤调节植被指数)、MASVI(修改型土壤调整植被指数)和RSR(简化比率植被指数)5种植被指数,与同期的内蒙古典型草原区地面实测地上生物量做相关分析,分别建立了5种植被指数与地上生物量的线性及3种非线性(对数、二次多项式、三次多项式)回归模型。研究结果表明:对于中国北方典型草原区而言,地上生物量与5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)均呈现出显著相关,但地上生物量与后4种植被指数是正相关,与RVI为负相关;利用5种植被指数(RVI、NDVI、SAVI、MSAVI和RSR)监测草地植被生物量的复相关系数均大于0.6,充分说明利用植被指数检测典型草原生物量是一种简单可行的方法;NDVI建立的生物量回归模型,其复相关系数大于其它4类植被指数(RVI、SAVI、MSAVI和RSR),说明NDVI-生物量模型优于植被指数RVI、SAVI、MSAVI和RSR 模型,其模拟地表生物量的效果好;对于TM影像来说,植被生物量的线性模型与3种非线性模型(三次多项式生物量模型、二次多项式生物量模型、对数模型)都表现出较好的模拟效果,都通过了0.01的显著性检验,而且该研究的结果显示出三次多项式生物量回归模型最优,其次是二次多项式生物量模型,再次是线性模型,相对较差的是对数模型。通过NDVI-生物量三次多项式回归模型模拟锡林浩特草原的生物量,可以看出整个研究区的地上生物量基本上是东高西低、东南高西北低的趋势,这与研究区的地形、气候及土地利用等多种因素有关。     

落叶阔叶林冠层光合有效辐射分量的遥感模拟与分析

冠层绿色叶片(光合组分)的光合有效辐射分量(绿色FPAR)真实地反映了植被与外界进行物质和能量交换的能力,获取冠层光合组分吸收的太阳光合有效辐射,对生态系统生产力的遥感估算精度的提高具有重要的意义。研究以落叶阔叶林为例,基于SAIL模型模拟森林冠层光合组分和非光合组分吸收的光合有效辐射,研究冠层FPAR变化规律以及与植被指数的相关关系。结果表明,冠层结构的改变会影响冠层对PAR的吸收能力,冠层绿色FPAR的大小与植被面积指数及光合组分面积比相关;在高覆盖度植被区,冠层绿色FPAR占冠层总FPAR的80%以上,非光合组分的贡献较小,但在低植被覆盖区,当光合组分和非光合组分面积相同时,绿色FPAR不及冠层总FPAR的50%;相比于NDVI,北方落叶阔叶林冠层EVI与绿色FPAR存在更为显著的线性相关关系(R~20.99)。     

基于数码相片Gamma校正的水稻叶面积指数估算

随着数码相机的日益普及,利用数码相机进行作物叶面积指数(LAI)测量不断得以应用。由于数码相机成像时会对入射光辐射强度进行Gamma编码变换,输出的相片DN(Digital Number)值与入射光辐射强度呈非线性关系,会造成在确定相片中植被叶片与背景的分割阈值时出现误差,并最终导致LAI估算存在较大不确定性。以水稻为研究对象,获取不同生长期水稻冠层相片并结合同步LAI 2000测量的LAI数据,基于相片Gamma校正原理,对水稻不同生长期冠层相片进行Gamma校正,在此基础上利用冠层孔隙率方法,估算不同生长期水稻LAI。结果表明,经过Gamma校正相片估算的水稻LAI总体精度有显著提高,相片估算的IMAGE LAI与LAI-2000测量值比较的决定系数达到0.71(P0.05)。在整个观测期内,两种方法观测的LAI值在时间变化趋势上表现一致,但在不同生长期内存在差别,在水稻分蘖期和拔节期相片估算的IMAGE LAI要高于LAI-2000测量值,孕穗期到抽穗期期间IMAGE LAI低于LAI-2000测量值,乳熟期到成熟期IMAGE LAI又高于LAI-2000的观测结果。     

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×l06 t;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％.