MODIS植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究

利用光谱分辨率为3nm的ASD FieldSpec UV／VNIR光谱仪获得了2002和2003年水稻整个生长期的高光谱数据,同时对水稻叶面积指数(LAI)和叶绿素含量(CHL．Ｃ)进行了测定,对中分辨率成像光谱仪(MODIS)的增强植被指数(EVI)、归一化植被指数(NＤVI)以及红边位置(REP)与LAI及CHL．C之间的关系进行了研究．结果表明。LAI与冠层光谱在可见光、近红外波段相关性较好,叶绿素含量与冠层光谱在红光波段相关性较好．EVI、REP和LAI之间的相关关系不受水稻覆盖率的影响;NDVI与LAI的相关关系在水稻低覆盖率情况下较好;在水稻高覆盖率情况下。EVI和REP比NDVI与LAI之间的相关关系要好．MODIS-NDVI、EVI及REP与叶片叶绿素含量相关性较好．由此可见,EVI和REP可以有效地监测水稻LAI和CHL．C．     

基于多角度植被指数的马尾松林LAI反演方法

CHRIS/PROBA是目前具有最高空间分辨率（17 m×17 m）的星载多角度高光谱数据,该款数据在反演植被垂直结构参数,如树高、叶面积指数（leaf area index,LAI）等方面具有重要的应用前景。基于四尺度几何光学模型得到马尾松（Pinus massoniana Lamb.）冠层的归一化差分植被指数（normalized difference vegetation index,NDVI）各向异性分布规律,利用CHRIS红光特征波段和近红外特征波段构建一种新型多角度植被指数（normalized hotspot-dark-spot difference vegetation index,NHDVI）,并将其应用于CHRIS数据对马尾松林的LAI遥感估算上。结果显示：（1）相比归一化差分植被指数（NDVI）与土壤调节植被指数（soil adjusted vegetation index,SAVI）而言,NHDVI能很好地融合光谱信息与角度信息,与地面实测LAI的决定系数达到0.7278;（2）利用NHDVI-LAI统计回归模型方法来反演LAI值,将得到的LAI值与地面实测值进行相关性分析,结果拟合优度达到0.8272,均方根误差RMSE为0.1232。与传统植被指数相比,包含角度信息的多角度植被指数对LAI的反演在精度上有较大提升,同时比基于辐射传输模型的反演方法更简易、实用。     

高光谱植被指数与水稻叶面积指数的定量关系

基于不同水稻品种、施氮水平和不同生育期下的大田试验,确立了水稻叶面积指数（LAI）与冠层光谱特征参数的定量关系.结果表明：水稻叶面积指数与部分高光谱植被指数存在良好的相关性,其中原始光谱组成的2波段差值指数（DI）形式相关性最好,其次为比值（RI）和归一化（NI）植被指数.相关最好的原始光谱植被指数是由近红外波段组成的差值指数DI(854,760),相关最好的一阶导数光谱植被指数是红光和近红外光组成的导数差值指数DI(D₆₇₆, D₇₇₈),但总体上导数光谱指数不如原始光谱指数与LAI关系密切.独立试验数据检验结果表明,以差值指数DI(854,760)为变量建立的水稻LAI监测模型具有较好的表现,可用于水稻LAI的估测.     

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.     

烟草叶面积指数的高光谱估算模型

叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。为了探索不同高光谱模型监测烟草叶面积指数LAI的精度,在烟草伸根期,旺长期和成熟期采用ASD Fieldspec HH光谱仪测定了不同水氮条件下烟草冠层的高光谱反射率和叶面积指数数据。选用四个常用的植被指数RVI (ratio vegetation index)、NDVI (normalized difference vegetation index)、MTVI2（Modified second triangular vegetation index）、MSAVI（Modified Soil-adjusted vegetation index）和PCA (principal component analysis)、neural network (NN)三种方法对烟草LAI进行了估算,比较分析了三种方法的估算结果。研究结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.76～0.85之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889。主成分分析方法验证模型的稳定性更好,其验证模型的RMSE为0.172,低于四个植被指数和神经网络。MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI。与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度。     

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。     

采用不同光谱波段宽度的归一化植被指数估算水稻叶面积指数

通过大田试验,测量了水稻不同生育期的冠层光谱,并通过在TM红光波段和近红外波段范围内不断扩展波段宽度,计算了各个波段宽度对应的归一化植被指数(NDVI)及其与叶面积指数(LAI)的最大相关系数,再根据NDVI与LAI最佳拟合方程的最大R2值随波段宽度的变化特征确定了最佳波段宽度.结果表明:NDVI与LAI的相关系数和最佳拟合方程的最大R2值具有相同的变化趋势,在小于红光波段宽度60nm范围内,均随波段宽度的增大而减小,即窄波段NDVI比宽波段NDVI对LAI的估算效果好;在超过60nm后,由于受近红外波段宽度的影响而略有波动.对R2规律的分析表明,使用NDVI估算水稻LAI的最佳波段宽度为15nm.     

祁连山中部金露梅种群生长过程中的植被光谱特征

金露梅灌丛是祁连山最具代表性的高寒落叶灌丛,其生长过程对生态系统服务功能有重要影响。2015年生长季对其叶功能性状进行了观测,并利用地物光谱仪(ASD)对金露梅灌丛不同物候期的高光谱反射率进行了测定。结果表明:金露梅灌丛的叶面积、叶面积指数(leaf area index,LAI)、绿色叶面积指数、叶片叶绿素含量(以SPAD值表示)从生长初期开始呈现先增大,到生长后期开始下降的规律;不同物候期金露梅灌丛的反射光谱波形曲线变化规律基本相似;植被指数NDVI、EVI、CI_(red edge)与LAI、叶片SPAD值均达到了显著(P0.05)或极显著相关(P0.001);EVI与LAI的相关性最好,NDVI与叶片SPAD值的相关性在整个生长阶段最为稳定。根据相关性分析,建立了不同物候期金露梅灌丛LAI、SPAD预测模型,为金露梅植被生长过程的遥感监测提供了方法。     

不同施肥条件下夏玉米光谱特征与叶绿素含量和LAI的相关性

在不同施肥方式下研究了长期试验地夏玉米在4个典型生育期的叶绿素相对含量(SPAD)、叶面积指数(LAI)和冠层光谱特征,系统分析了单波段以及由可见光和近红外波段组成的归一化差异植被指数(NDVI)与叶片叶绿素含量和LAI的相关性.结果表明:在同一个生育期,NK、PK处理和CK的光谱曲线特征相似,NPK、NP、OM、1/2OM1/2NPK处理的光谱特征曲线相似.除460nm外,其它单波段反射率与叶绿素含量和LAI都显著相关,尤其在510~1100nm波段相关性最为密切;不同波段组合的NDVI与这2个指标也显著相关,且相关系数大于单波段.从拔节期到乳熟期,绝大部分NDVI都可以有效地拟合叶绿素含量和LAI的变化,选用NDVI(560,950)和NDVI(660,760)建立拟合模型(R2>0.60),并以NDVI(560,950)拟合效果最佳(R2>0.80).可见,不同施肥方式条件下长期试验地夏玉米冠层光谱特征与叶绿素含量、LAI都具有良好的相关性,可以为夏玉米肥料管理提供科学依据.     

杨树林全生长期LAI遥感估算模型适用性

基于时间序列的植被叶面积指数(LAI)估算方法一直是遥感领域研究的热点,对植被全生长期LAI进行估算以跟踪其生长情况具有重要的实用意义。以此为出发点,以滁州地区杨树林为研究对象,获取多时相环境卫星CCD(简称HJ-CDD)遥感影像,并利用LAI-2000同步测量杨树林叶面积指数(LAI)。使用归一化植被指数(NDVI)分别建立展叶期、花果期、叶面积稳定期和落叶始期的LAI估算模型,通过对比分析得到了全生长期LAI估算模型,并利用实测LAI对估算LAI进行了验证。最后进一步对该模型的适用性进行了验证,结果表明,此模型对于各个时期LAI的估算具有一定的适用性和有效性,可用于全生育期的遥感LAI生成,从而为LAI的动态变化监测提供了一种有效的研究思路和方法途径。     

岷江上游植被冠层降水截留的空间模拟

 通过对岷江上游实地踏查和定位观测研究,结合MODIS遥感数据,利用“3S”技术对岷江上游植被冠层降水截留进行了空间模拟。研究结果表明：岷江上游植被叶面积指数（LAI）与增强性植被指数（EVI）以二项式关系拟合效果较好。由于归一化植被指数（NDVI）存在的饱和问题,研究采用EVI反演LAI,统计结果表明：岷江上游LAI值在0～2之间的占28.57%,在2～4.5之间的占63.06%,大于4.5的占8.37%,其中LAI最大值为7.394;从冠层最大降水截留模拟结果来看: 植被较好的地区,如卧龙、米亚罗的植被冠层最大降水截留量较大,而干旱河谷、上游高山草甸等地的植被冠层最大降水截留量相对较低;附加冠层降水截留与降雨量呈线性相关,模型验证时以此为基础,模型模拟的结果较为理想。     

Monitoring rapid vegetation succession in estuarine wetland using time series MODIS-based indicators: An application in the Yangtze River Delta area

Frequent and continuous time series is required for the detection of plant phenology and vegetation succession. The launch of novel remote sensor MODIS (moderate resolution imaging spectroradiometer) provided us with an opportunity to make a new trial of studying the rapid vegetation succession in estuarine wetlands. In this study, the spatiotemporal variations of vegetation cover and tidal flat elevation along a transect (covering 6 pixels of MODIS) of an estuarine wetland at Dongtan, Chongming Island, in Yangtze River estuary, China were investigated to assess its rapid vegetation succession and physical conditions. By combining the field data collected, the time series of MODIS-based VIs (vegetation indices), including NDVI (normalized difference vegetation index), EVI (enhanced vegetation index) and MSAVI (modified soil adjusted vegetation index), and a water index, LSWI (land surface water index) were utilized to characterize the rapid vegetation succession between 2001 and 2006. We found that NDVI, EVI and MSAVI exhibited significant spatial and temporal correlations with vegetation succession, while LSWI behaved in a positive manner with surface water and soil moisture along with the successional stages. In order to take the advantages of both VIs and water index, a composite index of VWR (vegetation water ratio) combining LSWI and EVI or MSAVI was proposed in this paper. This index facilitates the identification of vegetation succession by simply comparing the values of VWR at different stages, and therefore it could track vegetation succession and estimate community spread rate. Additionally, this study presented an attempt of using MODIS datasets to monitor the change of tidal flat elevation, which demonstrated a potential remote sensing application in geodesy of coastal and estuarine areas.     

Detecting soil salinity with MODIS time series VI data

Mapping of salinization using the satellite derived vegetation indices (VIs) remains difficult at broad regional scales due to the low classification accuracy. Satellite derived VIs from the Moderate Resolution Imaging Spectroradiometer (MODIS) have more potential because the MODIS balances the requirements of spatial detail, spectral and temporal density and tends to reflect vegetation responses through time. However, the relationship between MODIS data and salinity may be underestimated in previous studies because the MODIS time series data were not investigated thoroughly, especially regarding vegetation phenology. This study assessed the applicability of MODIS time series VI data for monitoring soil salinization with a series of MODIS pixels selected in the Yellow River Delta, China. The hidden information in vegetation phenology was investigated by improving the quality of VIs time series data with the Savitzky–Golay filter, extracting the phenological markers and differentiating VIs time series data based on vegetation types. The results showed that the quality of the enhanced vegetation index (EVI) time series data were improved by the Savitzky–Golay filter, which could provide more accurate thresholds of phenological stages than the empirical definition. The seasonal integral of EVI (EVI-SI) extracted from the smoothed EVI time series profile was verified as the best indicator of the degree of soil salinity. Additionally, the correlation of EVI-SI and soil salinity was highly dependent on land cover heterogeneity, and the ranges of correlation coefficients were as high as 0.59–0.92. EVI-SI was linearly correlated with EC_e in cropland with a high model fit (R² = 0.85). The relationship of EVI-SI and EC_e fit best with a binomial line and EVI-SI was able to explain 70% of the variance of EC_e. Despite the poor fit of the linear regression model in mixed sites limited by spatial resolution (R² = 0.32), MODIS time series VI data, as well as the extracted seasonal parameters, still show great potential to assess large-scale soil salinization.     

湖南省MODIS遥感植被指数的时空变化

采用最大值合成法,以MODIS 250 m分辨率图像为基础,提取湖南省2005年逐月植被指数值.通过月植被指数对比分析,将湖南省分为6个区描述其空间分布特征.利用5个分布均匀的气象站观测的月降水量和月平均气温数据,分析了湖南省植被指数的时相变化特征.结果表明：湖南省MODIS植被指数空间分布与植被覆盖率呈正相关,且具有一定的地域性;MODIS植被指数随季节变化,其月平均植被指数曲线形似开口向下的二次抛物线,最大值出现在7月份;MODIS月平均EVI值小于MODIS月平均NDVI值;植被指数的季节变化受温度影响较大,并且随着纬度的降低,温度对植被指数的影响力下降;MODIS EVI的变化规律比MODIS NDVI更加明显,其二次曲线更为光滑,月平均值由低逐渐上升到最大值,再逐渐降低,而后者的曲线在最大值两侧有细微波动现象.     

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MODIS-EVI数据和Symlet11小波识别东北地区水稻主要物候期

作物物候信号能够反映温度和降水等变化对植被生长的影响,是进行农作物动态分析和田间管理的重要依据。基于2008年EOS-MODIS多时相卫星遥感数据,研究了我国东北地区水稻的主要物候期的识别方法。首先提取研究区24个农业气象观测站所在位置的MODIS-EVI(Enhanced Vegetation Index,增强型植被指数)指数的时间序列;同时利用小波滤波消除时间序列上的噪音,小波滤波选用函数包含Daubechies(7-20),Coiflet(3-5)和Symlet(7-15)共26种类型。然后根据水稻移栽期、抽穗期和成熟期在EVI时间序列上的表现特征来识别水稻主要物候期。最后与东北地区24个站点水稻物候观测资料对比并分析误差。结果表明,Symlet11小波滤波的效果最好,其移栽期识别结果的误差绝大部分在±16 d,抽穗期和成熟期识别结果的误差在±8 d。表明通过此方法可以较好地识别东北水稻主要物候期,并可进一步应用到整个东北地区水稻的物候空间分布和时间变化特征研究上。     

利用不同分辨率卫星影像的NDVI数据估算叶面积指数(LAI) ——以岷江上游为例

短周期的低分辨率遥感数据为大面积估算LAI及季节动态和物候趋势提供了有利工具,但基于高分辨率LAI的遥感估算模型在低分辨率遥感数据上应用有很大的不确定性。研究利用LAI-2000冠层分析仪与跟踪辐射和冠层结构测量仪(TRAC),测定了岷江上游流域范围内490块野外调查样地（50m×50m样方）的LAI数据,结合同期较高精度卫星数据（TM）建立了不同植被类型的LAI-NDVI算法,在经过传感器的相对校正后,将这种算法应用到同期分辨率较低的MODIS数据和SPOT VEGETATION数据上。结果表明,30m 分辨率的TM LAI的均值为4.53,250m MODIS LAI的均值为3.55,1000m VGT LAI的均值为4.20,随着栅格分辨率的降低,总体标准差有增加的趋势,并且LAI值也有不同程度的低估,其中MODIS LAI值被低估约22%。但利用TM LAI数据验证MODIS 和VGT LAI数据后发现,250m的MODIS数据预测误差在30%左右,1000m的SPOT数据预测误差则高达50%,空间重采样分析表明,栅格分辨率的降低是导致预测误差扩大的主要原因,而这也是岷江流域植被分布破碎化的体现。     

不同大气校正方法对森林叶面积指数遥感估算影响的比较

利用TM原始图像以及经过6S模型和基于影像自身的Gilabert模型大气校正后的地面绝对反射率图像,分别计算了褒河流域阔叶林和针阔混交林2种林型的5类光谱植被指数(SR、NDVI、MNDVI、ARVI和RSR),并建立各林型森林叶面积指数与同时相的各个植被指数的相关关系。结果表明,2种大气校正模型均显著提高了各植被指数与森林叶面积指数的相关关系,除了对森林叶面积指数与植被指数SR和NDVI的相关关系影响不显著外,对森林叶面积指数与植被指数MNDVI、ARVI和RSR相关关系的影响均非常显著。说明不同大气校正模型对叶面积指数的遥感估算结果有较大影响。因此,在利用遥感数据进行定量分析、信息提取和生态遥感应用时,不仅要进行大气校正,而且还要慎重选择大气校正模型和植被指数。