中国区域植被叶面积指数时空分布——机理模型模拟与遥感反演比较

叶面积指数是表征植被冠层特征的重要参数,同时也是决定生态系统净初级生产力的重要因子,它对全球变化和生态系统碳循环研究具有重要意义。目前大范围的叶面积指数只能通过遥感反演和机理模型模拟获得,而通过这两种方法获取的叶面积指数都存在一定的不确定性。利用大气-植被相互作用模型(AVIM2)在0.1°×0.1°经纬度网格上模拟产生了中国区域叶面积指数并与两套使用不同遥感反演方法生成的叶面积指数在空间分布和季节变化特征方面进行了比较。通过比较说明中国区域植被叶面积指数分布主要受水分条件限制,整体呈现东南部高西北部低的趋势。中国区域植被生长的季节变化受季风影响显著,与气温及地表太阳辐射的季节变化趋势相一致。中国区域叶面积指数整体呈现夏季高、春秋季次之而冬季低的趋势。     

西南近50年实际蒸散发反演及其时空演变

利用CRU 4.0及GLDAS Noah 2.1数据集,采用随机森林算法对1966年至2016年中国西南陆面月尺度实际蒸散发(ETa)进行逐像元反演,结合袋外误差均方值(MSEOOB)、解释方差百分数(PVE)和均方根误差(RMSE)评价模型以及与其他典型数据集对比的方法对模型和反演结果进行精度评价,在对中国西南ETa的空间格局及时空演变特征进行分析的基础上,利用因子置换重要性评价模型(PIM)对特征因子进行重要性评价。结果表明:(1) MSEOOB均值为4.14,标准偏差仅为3.73,PVE均值为99.36%,标准偏差仅为0.33,模型基于2000年至2016年月尺度拟合结果的RMSE均值仅为1.04 mm/月,标准偏差为0.52,反演结果与GLDAS 2.1、2.0及MOD16数据的R2分别为0.99、0.89、0.95,总体而言模型及拟合结果可信度和精度较高;(2)西南地区ETa整体上表现出随着纬度的降低而增加的特征,从西北高原地区向东南沿海区域逐步增加,不同季节上西南的ETa空间分布差异较为明显,从春季到夏季先呈现出由东南向西北逐步增加的态势,夏季到冬季则呈现出从西北向东南减弱的特征,在每年的7、8月份左右各区域的ETa达到最大值,在1、2月份左右为最低值,并呈现起伏的周期特征;(3)以横断山脉为分界,横断山脉以南的丰水区的ETa主要受云覆盖百分数、月均气温日较差与月均日最高温共同驱动,而横断山脉以北的少水区域主要受云覆盖百分数、月霜日频率与月均水汽压共同驱动,而无论是在丰水区还是少水区,云覆盖百分数都是所有因素中最主要的驱动因子。     

基于遥感的官厅水库水质监测研究

遥感监测具有监测面积广、速度快、成本低等优势,常用于大面积水质监测。以北京官厅水库为研究对象,通过野外和实验室测量数据建立水质参数遥感反演的生物光学模型,对夏季官厅水库的非色素颗粒物浓度、叶绿素a浓度和有色可溶性有机物(CDOM)浓度进行了反演。该模型研究的目的就是通过建立反演模型,利用卫星数据进行水质参数反演,从而得到大面积水体的水质分布图。采用CHRIS/Proba高光谱数据反演官厅水库的水体组分浓度,对库区水质反演要素的空间分布规律进行了分析。结果表明,所采用的遥感反演模型基本适用于官厅水库水质监测,反演出的叶绿素a、总悬浮物和CDOM的空间分布与实际测量值的空间分布基本吻合。     

土壤水分遥感反演研究进展

土壤水分精确反演对于理解和解决农业生产、生态规划以及水资源管理中的科学与实际问题至关重要。目前,大量的反演算法被广泛用于土壤水分估算,全球土壤水分遥感反演产品不断发布,反演算法与产品数据集的应用前景亟待系统梳理。基于不同谱段遥感探测技术中的土壤水分反演方法存在各自的特点、优势和局限性。除反演方法研究外,土壤水分遥感反演研究热点可被归纳为遥感土壤水分产品评估、在相关领域的应用、数据同化3个方面。大量研究表明土壤水分遥感反演产品在生态、水文、干旱等研究中表现出巨大的潜力,且在部分研究中已经得到应用。但目前土壤水分的遥感观测与应用需求仍存在一定的差距,因此最后对土壤水分遥感反演在探测的精度和准确度两个方面及其解决方案进行了总结与展望。     

水胁迫下多角度幼龄檀香图像颜色变化分析及含水率反演

干旱与水淹胁迫是植物遭受的主要非生物胁迫,对植物的生理活动造成严重影响.本研究基于单反相机获取幼龄檀香的纵向和冠层叶片图像,使用分割算法提取叶片和颜色特征,然后讨论两种胁迫条件下多角度檀香叶片颜色变化及含水率反演.结果表明:干旱组在胁迫前期(前6d)叶片亮度降低,绿色分量增加,之后叶片亮度增加,绿色分量降低;水淹组叶片在整个胁迫周期亮度持续降低,黄色分量增加;对照组则与干旱组的变化趋势类似,但拐点出现的时间较晚.当叶片含水率在50%~70%时,随着含水率的增加,彩色图像的红(R)、绿(G)、蓝(B)通道值均会减小;但当叶片含水率小于40%时,会出现R通道值大于G通道值的现象.在使用极限学习机反演含水率时,校正后的颜色分量对拟合优度及预测精度均有所提高.纵向图像更适合用来反演叶片的含水量,决定系数和平均绝对百分比误差分别为0.8352和2.3%;而冠层图像对叶片等效水厚度的表达更准确,上述指标分别为0.7924和9.3%.     

定量遥感反演作物水势的原理及其应用

在利用能量平衡原理估算蒸腾速率的基础上,结合大气水势和叶、气阻抗的估算,建立叶水势的遥感估算模型.应用CI-301光合作用仪观测的作物生理参数和气象参数,验证了叶水势的遥感反演精度,分析了叶水势对干旱-半干旱区气候干旱和作物生理干旱的响应敏感程度.结果表明:叶水势是反映作物干旱情况的较好指标,它不仅能够反映作物生理干旱特征,也能够反映气候干旱特征;叶水势反演结果的相对误差为3.2%～17.3%,说明遥感估算的叶水势可以用于干旱监测中,以评估作物水分胁迫.在甘肃省的干旱年份2005年,5月的叶水势为-2～-3 MPa, 6月的叶水势为-2 MPa左右,其反映的干旱程度与植物种类有关.     

荒漠化地区土壤含水量的遥感定量反演

基于奈曼旗科尔沁沙地TM数据建立了反射率经验模型,据此计算了TM数据的地表反射率,同时通过光学植被盖度模型排除了植被干扰,建立了土壤含水量与地表反射率的回归模型,并以此模型反演出了研究区土壤含水量,最后对TM遥感数据反演的土壤含水量结果进行了精度检验.结果表明：遥感定量反演的理论精度达到81.81％,实际精度达到92.17％,说明荒漠化地区土壤含水量数据的遥感定量反演具有较高的科学性.     

基于森林群落和光谱曲线特征分异的福建省森林生物量遥感反演

基于福建省Landsat8 OLI影像,利用混合像元分解模型筛选出"纯净"的植被像元,提取296个调查样地对应植被像元的红光和近红外波段的中心波长(分别CWR和CWNIR)及其对应的反射率(分别R和NIR),构建以(NIR-R)/(CWNIR-CWR)为特征指数的叶生物量回归模型。然后根据针叶林、阔叶林及针阔混交林叶生物量与干、枝、叶所组成的地上生物量的关系方程,结合福建省植被覆盖分类数据,估测了整个福建省针叶林、阔叶林、混交林的地上生物量,并绘制了福建省地上生物量分布图。结果表明:红光和近红外两个波段反射率和其中心波长所组成的斜率与叶生物量相关性显著,与针叶林、阔叶林、混交林叶生物量的精度分别达到70.55%、68.89%、51.75%,采用这种方法对福建省叶生物量和地上总生物量进行估算,并进行精度验证,其中,针叶林、阔叶林、混交林叶物量的模型误差(RMSE)分别达到29.2467 t/hm~2(R~2=66.64%)、14.0258 t/hm~2(R~2=61.13%)、10.1788 t/hm~2(R~2=55.43%),地上总生物量的模型精度分别达到49.8315 t/hm~2(R~2=54.65%)、45.1820 t/hm~2(R~2=49.01%)、41.5131 t/hm~2(R~2=38.79%),这说明,采用红光波段和近红外波段与其中心波长所组成的斜率估测森林叶生物量,进而估算其地上总生物量的方法是可行的。     

基于小波理论的干旱区内陆湖泊叶绿素a的TM影像遥感反演

叶绿素a(Chl-a)是衡量湖泊富营养化的重要指标,利用遥感技术动态监测面积较大的湖区水体中Chl-a浓度对了解湖区水质具有重要意义。以内蒙古乌梁素海为例,提出利用TM影像中的水体实测光谱进行小波去噪和光谱信号重构,并结合水质采样实测数据进行神经网络拟合,建立光谱反射率比值与Chl-a浓度的反演模型的方法。结果显示:小波理论和神经网络相结合的模型可以适用于估算乌梁素海Chl-a浓度,去噪后Chl-a浓度与光谱信号的相关系数(-0.575)较去噪前(-0.417)明显增强,去噪后的采样点光谱信号与Chl-a浓度之间表现出比原始信号更强的负相关性,证明了去噪后的观测值可进一步减弱随机误差的干扰和去除噪声,使观测数据更加逼近Chl-a浓度的真实情况,图像去噪重构结果显示重构后的光谱范围较之前有所缩窄,部分信号点得到了增强,但基本剖面结构并没有产生较大变化,反演模型的平均相对误差为0.142,与其他研究相比差别不大。反演得出的乌梁素海Chl-a浓度分布反映了污染源的分布,同时说明了乌梁素海Chl-a浓度在时空分布上呈现一定的差异,表现为丰水期呈现浅水区Chl-a浓度值高于湖心区,来水区高于其他湖区的分布趋势,枯水期乌梁素海中部呈现由西向东Chl-a浓度逐步降低的分布规律,西部呈均一化分布。反演模型基本可以满足实际预测的需要。但模型在具体应用中在影像数据采集、数据量及算法方面还有很大的改进空间,该方法的提出为干旱区大型内陆水体富营养化的实时定量遥感监测提供了新的解决方案。     

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。