不同水氮条件下水稻冠层反射光谱与植株含水率的定量关系

研究了不同土壤水氮条件下水稻 (Oryzasativa) 冠层光谱反射特征和植株水分状况的量化关系。结果表明, 水稻冠层近红外光谱反射率随土壤含水量的降低而降低, 短波红外光谱反射率随土壤含水量的降低而升高。相同土壤水分条件下, 高氮水稻的冠层含水率高于低氮水稻的冠层含水率 ;同一水分条件下, 高氮处理的可见光区和短波红外波段光谱反射率低于低氮处理, 近红外波段光谱反射率高于低氮处理。发现拔节后比值植被指数 (R810 /R460 ) 与水稻叶片含水率和植株含水率呈极显著的线性相关, 模型的检验误差 (RootmeansquareError, RMSE) 分别为 0.93和 1.5 0。表明比值植被指数R810 /R460 可以较好地监测不同生育期水稻叶片和植株含水率。     

基于遥感影像的植被指数研究方法述评

随着遥感技术的发展,植被指数作为用来表征地表植被覆盖和生长状况的度量参数,已经在环境、生态、农业等领域有了广泛的应用。本文在分析植被指数形成机制及影响因子的基础上,对其具有一定技术突破的典型植被指数进行了归纳分类与比较分析,并评价了各自的优势和局限性。植被指数按遥感数据采集的平台可以分为航空植被指数和航天植被指数两大类,其中航天植被指数又可以分为基于波段简单线性组合的植被指数、消除影响因子的植被指数和针对高光谱遥感及热红外遥感的植被指数三类。最后就植被指数应用中存在的问题以及发展前景谈了一些看法:植被指数数目繁琐重复,急待规范条理化;植被指数应用领域不同,使用者时要慎重;植被指数影响因子很多,具体使用时应适时修正;植被指数公式繁琐阻碍其应用,应开发植被指数产品;遥感技术日新月异,积极研发新的植被指数。     

基于植被指数的海南岛霸王岭热带森林地上生物量空间分布模拟

热带森林在全球碳循环方面扮演着重要的角色, 预测其生物量分布可以加深对碳循环过程的理解。然而目前基于植被指数模拟技术进行热带森林生物量分布的研究报道较少。该文以海南岛霸王岭林区热带森林为研究对象, 在基于遥感影像和135个公里网格样地调查的基础上, 分别选取归一化差异植被指数(NDVI)、短红外湿度植被指数(MVI5)、中红外湿度植被指数(MVI7)和比值植被指数(RVI)与总物种生物量、顶极种生物量和先锋种生物量做相关分析, 并利用逐步线性回归分析分别构建了基于植被指数的生物量回归模型; 利用残差图对模型的有效性进行检验。结果表明, MVI7和MVI5与总物种和顶极种生物量关系显著, 而NDVI和RVI对先锋种生物量具有较好的指示作用; 总物种、顶极种和先锋种生物量预测精度较高的区域分别占总面积的69.24%、73.98%和88.08%, 表明3个生物量模型均具有较好的拟合精度; 模拟结果表明总物种和顶极种生物量主要集中于研究区中部、北部和西南部区域, 而先锋种生物量无明显的分布规律, 是不均衡地散布于整个研究区域, 反映了群落组成结构、干扰历史、地形及气候因素等的影响。     

基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进

高光谱植被指数以其特有的精细光谱特征, 能够获得非常细微的植被生理状况和环境胁迫差异, 因而使遥感技术在精细农业中的应用, 尤其是在叶绿素浓度和叶面积指数的反演上面有着广阔的应用前景。然而, 现有的植被指数往往和这2个参数呈非线性关系, 且只对某一区间的数值敏感, 无法适用于其它植被覆盖程度的研究。为了寻找合适的波段位置以改善植被指数与叶绿素浓度和叶面积指数的线性关系, 去除饱和区域, 进而提高这2个参数的实际估算精度, 该文选取了叶绿素浓度和叶面积指数, 以辐射传输模型PROSPECT和SAIL为基础, 模拟了这2个参数变化对3类高光谱植被指数(归一化植被指数(NDVI)、 优化的简单比值指数(MSR)和优化的叶绿素吸收率指数(MCARI))的影响。叶绿素浓度变化敏感性分析结果表明, 对这3类植被指数而言, 750 nm 和705 nm 的叶片反射率更适合实际的叶绿素浓度反演。以750 nm 和705 nm代替 800 nm/700 nm 和670 nm成功地提高了3类植被指数与叶绿素浓度的线性相关程度, 其中MCARI705 和叶绿素浓度基本呈线性关系。叶面积指数变化敏感性分析同样显示, 以750 nm 和705 nm 组成的植被指数能够获取更可靠的叶面积指数信息, 尤其对于高植被覆盖区域。其中MCARI705 能较好地降低随叶面积指数变化的饱和程度, 相比其它植被指数, 当叶面积指数大于8时, MCARI705 才出现明显的饱和。由于冠层的尺度效应, 波段位置的选择对植被指数与叶面积指数线性关系的改善不及对叶绿素浓度明显。     

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。     

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。     

基于NDVI假彩色合成法的土地覆被变化监测

土地覆被变化监测对区域生态系统保护、环境变化研究具有重要的作用,研究旨在提供一种基于归一化植被指数(NDVI)的假彩色合成法的土地覆被变化监测方法。该研究以黄河三角洲为研究区,以3期 Landsat TM影像(成像时间分别为1987年5月7日,1998年5月5日,2009年5月3日)为数据源,在进行相对辐射校正的基础上,生成3期NDVI图像,然后分别以三期的NDVI图像作为红、绿和蓝波段生成假彩色合成图像。基于彩色合成原理,对黄河三角洲的1987-2009年间的土地覆被变化进行了分析。结果表明:(1) 假彩色合成图像上的灰白色区域表示其土地覆被状态稳定,三个时期的NDVI值均较大,黑色区域的土地覆被状态也较稳定,但是三个时期的NDVI值均较小,而青色、绿色、红色则反映相应地区的NDVI处在不稳定状态;(2)不同的颜色反映了不同的土地覆被变化方式,较为直观地反映了土地覆被的变化特点,尤其是自然植被与农田之间的转换;(3)限于NDVI的瞬时性,该方法需要与基于遥感影像分类的方法相结合,才能更好地监测土地覆被变化。     

Terra MODIS和Aqua MODIS波段反射率及植被指数比较

对Terra MODIS和Aqua MODIS之间单波段反射率及植被指数进行了比较.结果表明:Terra MODIS和Aqua MODIS单波段反射率及植被指数具有极显著的相关性,植被指数较单波段反射率相关性更高些;Terra MODIS单波段反射率值普遍较Aqua MODIS值低,而植被指数值普遍较Aqua MODIS值高;不同时段Terra MODIS和Aqua MODIS单波段反射率及植被指数间差异不同,植被指数在冬季差异最大,而单波段反射率则在夏秋季差异较大;不同植被类型Terra MODIS和Aqua MODIS间植被指数差异总体规律相似,但单波段反射率间差异较为复杂;草甸、草原无论是单波段反射率还是植被指数,Terra MODIS和AquaMODIS的差异均比其他几种植被类型小,而阔叶林和一年两熟作物则差异相对大些.     

中国东部南北样带主要植被类型物候期的变化

植被物候期的变化是全球变化研究的热点问题, 因为物候过程是反映植被对气候变化响应的最直接和最敏感的生态学过程之一, 大尺度植被物候学过程主要以植被的季节动态体现其对气候变化的长期适应过程。基于NOAA/AVHRR从1982年至2006年的双周归一化植被指数NDVI (Normalized Difference Vegetation Index)数据, 依托中国东部南北样带, 对主要植被类型的物候过程进行模拟, 并计算了主要物候现象(包括返青起始期、休眠起始期和生长季长度)的发生时间和演变趋势。结果表明: 返青起始期显著提前的植被有温带针叶林(TCF, 0.56 d·a^-1)、温带草丛(TG, 0.66 d·a^-1)、亚热带热带针叶林(STCF, 0.46 d·a^-1)、亚热带落叶阔叶林(SDBF, 0.58 d·a^-1)和亚热带热带草丛(STG, 0.89 d·a^-1); 休眠起始期显著推迟的植被有寒温带温带针叶林(TCTCF, 0.32 d·a^-1)、SDBF (0.80 d·a^-1)和温带落叶阔叶林(TDBF, 0.18 d·a^-1); 此外, 大部分植被类型的生长季长度都有所延长, 但延长的方式不同: TCF (0.77 d·a^-1)是由于返青起始期显著提前造成的; TCTCF (0.38 d·a^-1)和TDBF (0.36 d·a^-1)是由于休眠起始期显著推迟造成的; TG (0.76 d·a^-1)、STCF (0.83 d·a^-1)、SDBF (1.40 d·a^-1)和STG (1.30 d·a^-1)等是由于返青起始期提前和休眠起始期推迟共同造成的。对温度和降水的变化进行分析发现, 温度对南北样带上植被物候的影响较大, 而降水对物候的影响相对较小, 不同植被类型对温度的响应各异。在南北样带上存在的热量梯度, 使得整条样带上植被的物候现象也表现出时间梯度, 从返青起始期发生的时间上比较, 从北向南逐渐推迟, 即寒温带植被>温带植被>亚热带植被; 休眠起始期和生长季长度则正好相反, 亚热带植被>温带植被>寒温带植被。     

基于多种遥感植被指数、叶绿素荧光与CO2通量数据的温带针阔混交林物候特征对比分析

植被物候学作为研究植被与环境条件相互作用的科学,在全球气候变化的大背景下已成为国际热点研究领域,其中森林植被在调节全球碳平衡、维护全球气候稳定的过程中有着至关重要的作用。随着遥感技术的发展,多种遥感指数被应用到森林植被物候研究中,其中以MODIS NDVI和EVI应用最为广泛,而叶绿素荧光(SIF)作为植被光合作用的"探针"也被广泛应用于森林植被物候研究中。为了探究3种指数在森林植被物候研究中的差异与特性,本文以长白山温带红松阔叶林通量观测站为研究区域,采用模型拟合结合动态阈值法提取2007—2013森林物候特征参数,并使用通量数据(总初级生产力GPP)进行验证。结果表明:NDVI与EVI、SIF相比,表现为生长季开始时间与结束时间的明显提前和滞后,与GPP数据偏差较大,且夏季生长季峰期曲线形态过宽且平坦,无法较好反映生长季变化特征;EVI相较于NDVI有所改善,整体变化趋势与SIF、GPP基本吻合,但依然存在秋季衰减时间稍迟于SIF与GPP的问题;SIF虽然存在夏季骤降现象,但依然与GPP数据一致性最好,可以较好反映出森林植被季节变化特征。SIF数据与植被光合作用的紧密关联使其在植被物候研究中具有优于植被指数的准确性,并随着遥感平台的增加和反演方法的改善,将会在多尺度、多类型的植被物候监测中发挥更加重要的作用。