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。     

遥感反演植被理化参数的光谱和空间尺度效应

植被理化参数是生态系统中碳和养分等物质循环与能量交换的重要指标,利用遥感技术反演是获取区域及全球植被理化参数的重要手段,但光谱和空间尺度效应的存在,限制了源自不同遥感传感器植被理化参数产品的统一应用。阐述了遥感反演植被理化参数光谱尺度效应的概念及其产生原因,主要从光谱波段位置和波段宽度两方面对国内外相关研究进行了介绍和评述。同时,从遥感反演植被理化参数的空间尺度效应产生原因、空间异质性描述方法和空间尺度转换方法等方面对其国内外研究现状进行了归纳和评述。最后,总结了遥感反演植被理化参数光谱和空间尺度效应研究的不足之处和发展趋势,并指出光谱和空间耦合效应的研究将是一大趋势,而在生态学等领域形成的尺度效应研究的理论和方法也值得借鉴参考。     

不同尺度下红树景观格局与叶面积指数的空间分异及表征关系

以2010 年SPOT5(空间分辨率为2.5 m)遥感图像为信息源, 提取红树林群落的空间分布范围及叶面积指数(LAI), 在ArcGIS10.0 软件及fragstats4.0 软件平台的支持下, 分别以100 m、300 m、500 m、700 m、900 m 为网格单元大小计算景观格局指数及LAI 指数, 分析不同尺度下红树林景观格局与叶面积指数的空间分异及表征关系。结果表明: (1)红树林群落叶面积指数(LAI)均呈现较为明显的空间分异特征。随着尺度的增大, 各网格单元的LAI 平均值先减小后增大; (2)斑块数量(NP)及平均斑块面积(MPS)呈现出东南地区高于西北地区的特点, 随着尺度的增大而增大。平均形状指数(MSI)随着尺度的增大逐渐增大。面积周长比均值(MPAR)的空间分异特征不明显; (3)红树林群落叶面积指数与群落景观指数在部分尺度下(500 m、700 m)存在明显的表征关系。(4)700 m 尺度是本研究分析的最佳尺度。     

云冷杉针阔混交林叶面积指数的空间异质性

叶面积指数(Leaf area index,LAI)是森林生态过程的关键参数和描述森林冠层结构的重要指标。用半球摄影技术对吉林省汪清林业局金沟岭林场的10块1 hm2云冷杉针阔混交林的LAI进行测定,采用地统计学的半变异函数和普通克里格法对研究区的LAI的空间异质性进行了分析。结果表明:10块样地的10 m×10 m小样方内以及样地间的LAI离散程度较小,但分布有一定的规律。LAI的空间相关性存在不确定性,可由线性、孔状、高斯3种模型有效的描述,空间相关性存在的尺度范围变异大,中等和强空间相关性的影响范围在15—155m之间,10块样地LAI的空间相关性的影响范围平均为65.637m。普通克里格插值结果显示,LAI的空间分布呈明显的条带状和斑块状的梯度变化。LAI与林分平均胸径、林分平均高和林分平均冠长呈显著负相关,与林分平均冠幅、林分密度以及树种个数呈显著正相关。研究结果可为不同尺度云冷杉针阔混交林LAI的估计提供依据。     

不同尺度下城市景观综合指数的空间变异特征研究

在GIS与RS技术支持下,采用5 m分辨率的SPOT遥感图像数据,从城市土地利用角度,利用半变异函数对不同尺度的景观多样性、聚集度与分维数的空间变异进行了定量分析.结果表明,不同尺度下3种指数的空间变异具有相似特征,各个尺度上都具有空间依赖性,尺度越小,空间依赖性越大,空间变异的细节更显著,空间自相关性对总体变异的贡献逐渐增加,但尺度过小,有时会破坏景观内部结构.不同指数的半变异函数模型在相同尺度上差异显著,说明不同景观指数在不同尺度下的半变异函数模型不具可比性.就研究上海市内部土地利用结构而言,1 km的幅度是较合适的空间尺度.景观指数空间变异特征是尺度的函数,尺度对景观格局的影响不能忽视.景观综合指数对尺度响应的生态过程揭示了上海城市空间结构的规律性:在小尺度上的复杂无规律性,中尺度上的多中心性和大尺度上的圈层结构性,但各个尺度是相互依赖的,没有绝对界限.     

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。     

基于叶面积指数反演的区域冬小麦单产遥感估测

利用定量遥感技术反演的叶面积指数（LAI）在中国北方黄淮海地区典型县市进行冬小麦单产预测研究.为提高数据质量和减少估产误差,利用Savitzky-Golay滤波技术降低云对NDVI数据的影响及数据缺失;通过冬小麦实测LAI进行时序内插,模拟得到实测点每日冬小麦LAI,继而获得实测点主要生育时期平均LAI;在此基础上,建立了冬小麦主要生育时期平均LAI与作物单产关系模型,改变目前利用生育时期内某一时间点LAI代替整个生育时期LAI的方法;在模型择优基础上,得到最佳遥感估产关键期--开花期LAI与单产统计模型;最后,利用MODIS-NDVI经验模型反演得到的开花期平均LAI进行2008年冬小麦单产预测.结果表明：与地面实测的冬小麦单产相比,研究区估产平均相对误差为1.21%,RMSE达到257.33 kg·hm^-2,可以满足大范围估产的要求.利用上述方法可以在研究区冬小麦收获前20～30 d进行准确的单产估计.     

基于PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演

采用PROSAIL辐射传输模型建立毛竹林叶面积指数(LAI) 冠层反射率查找表,并结合Landsat TM卫星遥感数据,实现了毛竹林LAI的定量反演.结果表明： PROSAIL模型各输入参数的敏感性由高到低依次为LAI>叶绿素含量(C_ab)>叶片结构参数(N)>平均叶倾角(ALA)>等效水厚度(C_w)>干物质含量(C_m),并以LAI、C_ab两个主要敏感因子用于构建毛竹林LAI 冠层反射率查找表;基于PROSAIL模型的毛竹林LAI遥感反演结果与实测LAI具有很好的一致性,二者相关系数为0.90,均方根误差和相关的均方根误差也较小,分别为0.58和13.0%,但也存在反演LAI平均值高于实际值的问题.     

黑河流域叶面积指数（LAI）空间尺度转换

为有机地整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量,尺度问题越来越受到人们的重视.选取黑河张掖绿洲区为实验研究区,利用ETM 影像反演的LAI通过升尺度转换到900m分辨率,对LAI尺度转换过程中引起的误差进行了定量分析,尝试提出一种新的基于NDVI像元分解的更有效的升尺度转换方法.研究发现非线性的升尺度算法引起的误差不超过 10.5%,且误差大小与地表异质性程度正相关,而地表异质性是导致LAI尺度转化误差的主要原因,严重时可能造成 45%的偏差,但纯像元LAI的计算不受尺度影响.提出的基于NDVI像元分解的LAI升尺度转换算法,分两步考虑了地表异质性问题,很好的实现了研究区30m空间精度 LAI向900m的尺度转换,该方法应用于干旱、半干旱的中国西北黑河流域NASA 发布的MODIS LAI产品校正,取得了良好效果.     

多源多角度遥感数据反演森林叶面积指数方法

利用北京1号和Landsat多源数据组合成4个角度多波段数据集, 在考虑森林三维垂直分布特点的基础上, 结合INFORM几何光学与辐射传输混合模型, 通过聚类+神经元网络方式, 建立相应的多源多角度LAI反演模型。最后利用实地LAI测量数据和MODIS LAI产品, 对不同角度组合和噪声水平下的LAI反演结果进行验证。结果表明: 在保证数据质量的条件下, 通过增加角度可以提高森林的LAI反演精度, 最终R²=0.713, RMSE=0.957, 比单个角度的反演精度平均提高约20%。     

基于临界慢化模型和长时间序列叶面积指数的植被及其恢复力遥感监测研究——以三峡库区为例

基于临界慢化模型,利用长时间序列叶面积指数(GLASS LAI)数据,进行时间序列分解后,计算了LAI及其时间自相关指数作为指标,对三峡库区植被及其恢复力进行监测,通过案例模型对临界慢化模型精度进行了验证,分析了三峡库区植被及其植被恢复力的时空分布特征,探索基于临界慢化模型的植被恢复力遥感定量估算方法的适用性。结果表明：(1)2000—2018年三峡库区LAI平均值为3.4,重庆段LAI较低,湖北段LAI较高;三峡库区LAI整体呈上升趋势,重庆段LAI呈现降低趋势,显著下降区域占重庆段面积的21.75%,湖北段LAI呈现升高趋势,显著上升区域占湖北段面积的21.22%;(2)2000—2018年三峡库区重庆市北碚区、大渡口区、渝北区植被恢复力较低,宜昌市兴山县、夷陵区、点军区植被恢复力较高;(3)模型精度方面,在两个地质灾害扰动事件中案例模型结果与临界慢化模型结果呈现较高的一致性。本文对三峡库区2000—2018年的植被恢复力进行了定量估算,同时通过案例模型对临界慢化模型在恢复力监测上的有效性进行了验证,为三峡库区制定相应生态环境管理决策提供理论基础,为保障西南地区生态安全提供决策依据...     

基于免疫进化算法（IEA）的鹤望兰(Strelitzia reginae)叶面积指数(LAI)模拟

免疫进化算法（IEA）是基于遗传算法（GA）的一种“加强局部搜索,兼顾全局搜索”的进化算法。利用免疫进化算法（IEA）对鹤望兰叶面积指数（IAI）进行模拟,平均相对误差为3．44％,取得满意的结果,对鹤望兰栽培管理有一定的实际意义。免疫进化算法用于鹤望兰叶面积指数模拟简便、易行,为鹤望兰叶面积指数模拟模型的建立及参数优化开辟了一条新途径。     

Quantifying post-fire regrowth of remotely sensed mediterranean vegetation with percolation-based methods

ABSTRACT

Mediterranean landscapes are characterized by high stability to fire since regeneration of pre-existing spatial relationships among distinctive vegetation patches is quite rapid. The aim of this paper is to introduce a method based on percolation theory to quantitatively estimate structural variations in remotely sensed biomass data linked to post-fire dynamics of Mediterranean vegetation. The ability of the proposed method to estimate fire-induced variations in Mediterranean vegetation patterns made it appropriate to the monitoring of post five vegetation regrowth in Mediterranean landscapes at the Landsat TM scale.     

采用广义加法模型整合数字高程模型和遥感数据进行植被分布预测

为了采用广义加法模型整合数字高程模型和遥感数据进行植被分布的预测, 并探索耦合环境变量和遥感数据作为预测变量是否能够有效地提高植被分布预测的精度, 选择海拔、坡度、至黄河最近距离、至海岸线最近距离, 以及从SPOT5遥感影像中提取的光谱变量作为预测变量, 采用广义加法模型整合环境变量和光谱变量, 建立植被分布预测模型。研究设置3种建模情景(以环境变量作为预测变量, 以光谱变量作为预测变量, 综合使用环境变量与光谱变量作为预测变量)对黄河三角洲的优势植被类型的分布进行了预测, 并对预测结果采用偏差分析、受试者工作特征曲线和野外采样点对比等3种方法进行了验证。结果表明: (1)基于广义加法模型的植被分布预测方法具有一定的实用性, 可以较为准确地预测植被的分布; 盖度较高的植被类型预测精度较高, 盖度较低的植被类型预测精度较低, 植物群落结构的特点是出现这些差异的主要原因; 综合使用环境变量和光谱变量作为预测变量的模型, 预测精度高于单独以环境变量或者光谱变量作为预测变量的模型。(2)环境变量、光谱变量大多被选入模型, 二者均对植被分布预测有重要的作用; 同一预测变量在不同植被类型的预测模型中的贡献不同, 这与植被的光谱、环境特征差异有关; 同一预测变量在不同的建模情景下对模型的贡献不同, 环境变量与光谱变量的耦合效应可能是导致预测变量对模型的贡献出现变化的原因。     

1988-2013年基于BP神经网络的植被叶面积指数遥感定量反演

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。     

北京地区油松、侧柏人工林叶面积指数变化规律

叶面积指数(LAI)是群体结构的重要参数,也是衡量林分质量的重要指标。通过光学测量方法和遥感技术等手段测量的大范围LAI需要进一步的地面实测验证。以北京十三陵林场为研究区,利用CI-110植冠分析仪和野外实测的69个油松和侧柏林分LAI为基础,分析了有效叶面积指数(LAIe)与实测叶面积指数(LAIa)的关系。结果表明,油松林的LAIe/LAIa之值在35.52%~36.36%;侧柏林的LAIe/LAIa之值在14.60%~16.72%。由于测定的油松、侧柏林分郁闭度在0.5~0.8,符合生态公益林的经营要求,因此油松、侧柏林的LAI是合适的,可以作为油松、侧柏林林分质量调控的一个重要依据。     

基于多光谱影像的森林树种识别及其空间尺度响应

当前,不同空间分辨率卫星影像对森林类型识别结果中普遍存在的尺度效应,而且纹理参量对不同尺度下树种识别精度的影响仍缺乏广泛认知.本研究以中国东北旺业甸林场为研究区,采用观测时相同步、地理坐标匹配的GF-1 PMS、GF-2 PMS、GF-1 WFV,以及Landsat-8 OLI卫星传感器数据组成空间尺度观测序列(1、2、4、8、16、30 m),并结合支持向量机(SVM)模型,探讨了区域内5种优势树种遥感识别结果的尺度变化规律及其纹理特征参数的影响,同时检验了基于尺度上推转换影像的树种识别结果差异.结果表明: 影像空间分辨率对区域树种识别结果具有显著影响,其中,研究区森林树种识别的最佳影像分辨率为4 m,当分辨率降低至30 m时,树种识别结果最差.在1～8 m影像分辨率范围内,增加纹理信息能够显著提高不同优势树种的识别精度,使总分类精度提升了2.0%～3.6%,但纹理信息对16～30 m影像的识别结果没有显著影响.与真实尺度卫星影像相比,基于升尺度转换影像的树种识别结果及其尺度响应特征存在显著差异,表明在面向多个空间尺度的遥感观测和应用研究中,需要采用真实分辨率影像以确保结果的准确性.     

Confounding effects of snow cover on remotely sensed vegetation indices of evergreen and deciduous trees: An experimental study

Located at northern latitudes and subject to large seasonal temperature fluctuations, boreal forests are sensitive to the changing climate, with evidence for both increasing and decreasing productivity, depending upon conditions. Optical remote sensing of vegetation indices based on spectral reflectance offers a means of monitoring vegetation photosynthetic activity and provides a powerful tool for observing how boreal forests respond to changing environmental conditions. Reflectance-based remotely sensed optical signals at northern latitude or high-altitude regions are readily confounded by snow coverage, hampering applications of satellite-based vegetation indices in tracking vegetation productivity at large scales. Unraveling the effects of snow can be challenging from satellite data, particularly when validation data are lacking. In this study, we established an experimental system in Alberta, Canada including six boreal tree species, both evergreen and deciduous, to evaluate the confounding effects of snow on three vegetation indices: the normalized difference vegetation index (NDVI), the photochemical reflectance index (PRI), and the chlorophyll/carotenoid index (CCI), all used in tracking vegetation productivity for boreal forests. Our results revealed substantial impacts of snow on canopy reflectance and vegetation indices, expressed as increased albedo, decreased NDVI values and increased PRI and CCI values. These effects varied among species and functional groups (evergreen and deciduous) and different vegetation indices were affected differently, indicating contradictory, confounding effects of snow on these indices. In addition to snow effects, we evaluated the contribution of deciduous trees to vegetation indices in mixed stands of evergreen and deciduous species, which contribute to the observed relationship between greenness-based indices and ecosystem productivity of many evergreen-dominated forests that contain a deciduous component. Our results demonstrate confounding and interacting effects of snow and vegetation type on vegetation indices and illustrate the importance of explicitly considering snow effects in any global-scale photosynthesis monitoring efforts using remotely sensed vegetation indices.     

2001-2019年台风干扰下我国东南沿海地区植被抵抗力和恢复力评估

台风是影响我国陆地生态系统结构和功能的主要自然灾害之一,尤其对东南沿海地区植被具有明显的干扰效应。为深入了解台风对我国沿海地区植被的影响及其响应,基于MODIS增强型植被指数(Enhanced Vegetation Index, EVI)和叶面积指数(Leaf Area Index, LAI),分析了2001-2019年间不同等级的台风对植被EVI和LAI的影响,评估台风登陆时植被的抵抗力及台风过后植被的恢复力。结果表明:(1)2001-2019年间,共有70个台风登陆我国东南沿海地区,其中,台风(TY)、强台风(STY)与超强台风(SuperTY)的数量分别为35、26和9个。我国台湾省的台风登陆次数最多,为26个,其次为广东省(20个);(2)在整个研究区范围内,台风(TY)、强台风(STY)与超强台风(SuperTY) 登陆后的EVI净变化率分别为4.88%、-7.48%、-1.85%,LAI净变化率分别为22.28%、-65.70%、-17.60%;(3)在经历台风干扰后,沿海地区大部分植被可在3个月之内得到恢复,其中浙江省与广东省植被的恢复时间较长,海南省与台湾省植被的恢复时间较短。研究结果对我国沿海地区森林经营管理和生态环境保护具有重要意义。