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。     

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。     

基于PROSAIL模型的水稻田缨帽三角-叶面积指数模型及其应用

缨帽三角(tasseled cap triangle,TCT)-叶面积指数(leaf area index,LAI)等值线模型是一种反映植被叶面积指数等值线在红光(Red)-近红外(NIR)波段反射率组成的光谱空间中分布规律的模型,在此基础上建立LAI遥感反演模型比常用的统计关系模型更加精确.本文利用水稻田实测数据,验证了PROSAIL模型对水稻冠层反射率模拟的适用性,并对模型的输入参数进行率定,最终确定了PROSAIL模型模拟水稻冠层反射率的输入参数的取值范围.在此基础上构建了水稻田TCT-LAI等值线模型,建立了LAI遥感反演所需的查找表,将其分别用于Landsat 8和WorldView 3数据进行水稻田LAI反演.结果表明: 利用基于TCT-LAI等值线模型建立查找表反演的LAI与实测LAI具有良好的线性相关关系,R²=0.76,RMSE=0.47;与Landsat 8的LAI反演结果相比,WorldView 3反演的LAI值域范围更大,数据分布更离散.将Landsat 8、WorldView 3反射率数据重采样至1 km后进行LAI反演, MODIS LAI 产品的反演结果存在明显低估现象.     

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.     

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。     

帽儿山地区森林冠层叶面积指数的地面观测与遥感反演

叶面积指数(leaf area index,LAI)是陆地生态系统最重要的结构参数之一,遥感和基于冠层孔隙率模型的光学仪器观测是快速获取LAI的有效方法,但由于植被叶片的聚集效应,这些方法通常只能获取有效叶面积指数(effective LAI,LAIe).本文以东北林业大学帽儿山实验林场为研究区,利用LAI2000观测森林冠层LAIe,并结合TRAC观测的叶片聚集度系数估算了森林冠层LAI,并通过分析基于Landsat5-TM数据计算的不同植被指数与LAIe之间的关系,建立了该区森林LAI遥感估算模型.结果表明:研究区阔叶林的LAI和LAIe基本相当,而针叶林的LAI比LAIe大27%;减化比值植被指数(reduced simple ratio,RSR)与该区LAIe的相关性最好(R2=0.763,n=23),最适合该区LAI的遥感提取.当海拔<400 m时,LAI随海拔高度的上升而快速增大;当海拔在400～750 m时,LAI随海拔高度的上升缓慢增大;当海拔>750 m时,LAI呈下降趋势.研究区森林冠层LAI与森林地上生物量存在显著的正相关关系.     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

林下植被对遥感估算马尾松LAI的影响

叶面积指数是一项极其重要的描述植被冠层结构的植被特征参量。根据植被物候规律,利用中国环境卫星CCD多光谱影像和野外马尾松样区调查数据,通过建立不同季节和不同郁闭度样区马尾松LAI和影像NDVI经验回归模型,并利用一个新的LAI观测方式定量比较乔木层LAI和生态系统总LAI(包括草本层、灌木层和乔木层)的差异,研究林下植被对马尾松反演的影响程度。结果表明:(1)由于林下植被的物候变化,冬季林下植被对马尾松LAI反演影响最小,马尾松NDVI和LAI线性关系R2维持在0.65;夏季林下植被影响最大,线性关系R2只有0.25;春季和秋季影响居中,NDVI和LAI线性关系R2在0.47附近。但是,受林下植被影响较小的A类样区4个季节内NDVI和LAI线性关系基本都在0.60以上(夏季略低于0.60);(2)乔木层LAI和总LAI差距非常大,最大差距达到2.93,相差的比例最大达到了2.45倍;(3)总LAI和NDVI相关关系显著,其中线性关系R2达到0.66,对数关系R2可达到0.68,而乔木层LAI和NDVI相关关系较差,线性关系R2只有0.30。分别建立冬季和其它季节实测总LAI和NDVI的关系,可以估算出林下植被对马尾松LAI反演的影响程度。     

滨海湿地植被地上生物量遥感反演

盐沼植被生物量是滨海湿地生态系统碳循环研究的重要参数,是湿地生态系统健康评价、资源可持续利用的关键指标,开展盐沼植被地上生物量监测方法研究具有重要意义。目前,遥感技术在湿地生物量监测领域已经得到广泛应用,但反演方法仍以统计模型为主,模型构建需要实测数据支撑,时空拓展性不强。选择江苏盐城丹顶鹤保护区为研究区,基于冠层辐射(PROSAIL)传输模型,通过局部和全局敏感性分析,对模型参数本地化,构建了互花米草地上生物量半经验反演模型,应用于Landsat 8 OLI遥感影像,获得了互花米草地上生物量的时空分布。研究结果表明,利用PROSAIL模型模拟互花米草冠层反射率,叶面积指数(LAI)、叶片干物质含量(Cm)、叶倾角分布参数(LIDF)、等效水厚度(Cw)、叶绿素含量(Cab)、叶片结构参数(N)为高敏感性参数,类胡萝卜素含量(Car)、土壤参数(P_soil)为低敏感性参数;利用不同时刻的遥感影像反演了地上生物量,遥感反演结果与实测数据对比,拟合度R²为0.83,均方根误差(RMSE)为0.43kg/m²,平均相对误差(MRE)为15.7%,精度较高,模型具有较好的时空普适性。研究发展了盐沼植被地上生物量遥感反演方法,解决了以往过于依赖现场实测数据构建反演模型的局限性,该方法可以为研究滨海湿地生态系统碳循环以及准确估算其碳汇潜力提供技术支持。     

基于PROSAIL辐射传输模型的毛竹林叶面积旨数遥感反演

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(Cab)＞叶片结构参数(N)＞平均叶倾角(ALA)＞等效水厚度(Cw)＞干物质含量(Cm),并以LAI、Cab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.     

基于PROSAIL辐射传输模型的毛竹林分冠层反射率模拟研究

冠层光谱反射率直接关系到毛竹（Phyllostachys pubescens Mazel）林冠层参数的反演,对毛竹林地土壤肥力间接估测具有重要意义。以PROSPECT5、PROSAIL模型为基础,从叶片尺度和冠层尺度分析模型参数对叶片和冠层反射率的影响,构建毛竹冠层叶面积指数（LAI）-冠层反射率查找表并通过代价函数选取最优冠层反射率,从而实现毛竹林分冠层反射率的准确模拟。结果表明,在叶片尺度,PROSPECT模型参数敏感性从高到低依次为叶肉结构参数（N） > 叶绿素含量（C_ab） > 等效水厚度（EWT） > 干物质含量（C_m） > 类胡萝卜素含量（C_ar）;在冠层尺度,PROSAIL模型参数敏感性从高到低依次为LAI > C_ab > EWT > C_m > N > C_ar > ALA（平均叶倾角）;叶片尺度反射率整体大于冠层尺度反射率;在400~900 nm波长范围内,PROSAIL模型模拟的冠层光谱反射率与实测光谱反射率拟合效果较好,相对误差为6.71%。     

基于遥感的光合有效辐射吸收比率(FPAR) 估算方法综述

光合有效辐射吸收比率(FPAR)是反映植被生长过程的重要生理参数,是陆地生态系统模型的关键参数,是反映全球气候变化的重要因子。基于遥感的FPAR估算方法是获取区域乃至全球尺度FPAR的有效方法。目前,主要形成了植被指数法和机理法两类方法,植被指数法是建立FPAR与植被指数的经验统计模型,简单、计算效率高;机理法则从物理模型上进行FPAR的求解与反演,机理明晰、可行性强。然而,由于FPAR本身的复杂性以及环境因素、遥感数据质量的影响,导致了估算方法面临诸多不确定性问题。为了解决这些不确定性问题以及满足生态过程深入研究的需求,将进一步注重FPAR的机理研究、先验知识的获取与积累,构建长时间序列FPAR以及高时空的FPAR算法研究。     

内蒙古不同类型草地叶面积指数遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,反演LAI是植被遥感的重要研究内容之一。根据在内蒙古呼伦贝尔和锡林浩特草原利用LAI 2000观测的草地LAI,比较了不同植被指数(SR、RSR、EVI、NDVI、SAVI和ARVI)估算不同类型草地LAI的能力,建立了基于Landsat-5 TM遥感数据的LAI估算模型,并利用LAI观测数据对模型进行了检验,生成了研究区内草地LAI分布图,据此对MODIS LAI产品一致性进行了评价。结果表明,在呼伦贝尔和锡林浩特两个研究区,RSR与LAI的相关性最高(R²分别为0.628、0.728,RMSE分别为0.512、0.490),在低密度草地,RSR的优势更为明显;验证表明,根据RSR建立的LAI估算模型的精度可达70%;利用TM数据生成的两个地区的LAI(TM LAI)空间变化明显,锡林浩特草地的LAI值整体上低于呼伦贝尔草地;在呼伦贝尔和锡林浩特,MODIS LAI产品与TM LAI一致性分别为0.566,0.323,MODIS LAI产品高估了呼伦贝尔草地LAI值,而在锡林浩特研究区则存在低估现象。     

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。     

辐射传输模型多尺度反演植被理化参数研究进展

植被是生态系统最重要的组成成分之一,许多与植被有关的物质能量交换过程都与植被的理化参数密切相关,因此定量估算植被的理化参数含量对监测植被生长状况、森林火灾预警以及研究全球碳氮循环过程等都具有重要意义.在众多定量反演植被理化参数的方法中,基于数学、物理学以及生物学的基本理论建立起来的辐射传输模型受到越来越多的关注.辐射传输模型描述了植被与入射辐射之间的相互作用过程和特征,相对于传统的经验/半经验方法,辐射传输模型物理意义明确,具有稳定性和可移植性强的特点.在分析国内外最新相关研究的基础上,首先从植被叶片、冠层和像元3个不同的尺度阐述反演植被理化参数的辐射传输模型.叶片尺度上主要介绍PROSPECT模型和LIBERTY模型;冠层尺度上主要介绍SAIL冠层辐射传输模型以及PROSPECT与SAIL耦合的PROSAIL叶片-冠层辐射传输模型;像元尺度的植被理化参数反演目前主要采用冠层尺度的辐射传输模型.其次,分析尺度变化下植被理化参数遥感反演所面临的主要问题,如不同尺度下模型参数敏感性的变化、辐射传输模型的选取以及混合像元的影响等.最后,总结展望植被理化参数反演多模型与多种数据源相互结合的研究趋势,以及将来具有高空间分辨率的高光谱遥感卫星升空后所带来的发展前景.     

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.     

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.