叶面积指数(leaf area index,LAI)是反映植物冠层结构和光能利用的重要指标.随着遥感技术的不断发展,利用遥感数据获取大面积LAI已经成为监测作物生长和估产的重要手段.基于物理模型的LAI遥感反演方法经常假设作物冠层结构是均匀分布,然...叶面积指数(leaf area index,LAI)是反映植物冠层结构和光能利用的重要指标.随着遥感技术的不断发展,利用遥感数据获取大面积LAI已经成为监测作物生长和估产的重要手段.基于物理模型的LAI遥感反演方法经常假设作物冠层结构是均匀分布,然而,作为典型的垄行结构,作物冠层被公认为是介于连续植被与离散植被之间的一种过渡形式,而简单的均匀假设必然会给反演带来偏差.本文以农作物玉米为研究对象,首先重建了玉米三维冠层结构,并定量对比分析了一维辐射传输模型PROSAIL和三维辐射传输模型LESS在玉米冠层不同生长期的反射率差异,确定了玉米冠层的非均匀分布特征是引起PROSAIL模型模拟和反演误差的主要因素;然后,考虑到玉米冠层生长过程中聚集指数的变化特征,利用LESS模型定量计算了不同生育期玉米冠层结构对应的聚集指数,建立了聚集指数和有效叶面积指数(LAI_(e))之间的关系;进而,利用该关系对基于PROSAIL模型反演得到的LAI进行修正.结果表明,修正后的LAI精度有明显提高,R^(2)从0.27提高到了0.55.该方法有望提高中高分辨率遥感数据在农作物LAI反演精度.展开更多
山地森林叶面积指数(Leaf Area Index,LAI)的准确获取对评估森林生态系统的生产力和碳循环至关重要。遥感手段是当前获取面尺度LAI的主要方法,植被指数(Vegetation Indices,VIs)因其简便性和鲁棒性,广泛用于LAI反演。然而,复杂地形会导...山地森林叶面积指数(Leaf Area Index,LAI)的准确获取对评估森林生态系统的生产力和碳循环至关重要。遥感手段是当前获取面尺度LAI的主要方法,植被指数(Vegetation Indices,VIs)因其简便性和鲁棒性,广泛用于LAI反演。然而,复杂地形会导致VIs反演结果存在不确定性。本研究基于地面实测LAI和无人机高光谱数据,选择40种主流VIs,按波段和数学构成分为4类,评估其在坡度、高程和天空可视因子(Sky View Factor,SVF)变化下的反演精度。结果表明:1)红光和近红外波段的严格比值型VIs与LAI具有最优的建模精度,以NDVI为例,不同坡度变化下R^(2)在0.450~0.681之间浮动,不同高程变化下R^(2)在0.507~0.824之间浮动,不同SVF变化下R^(2)在0.311~0.765之间浮动。2)坡度变化对反演精度的影响可通过波段比值部分削弱;高程变化通过影响植被分布影响建模精度;目前无VIs能有效消除SVF变化带来的影响。3)不同季节VIs的适用性不同,GCC适用于初春,R^(2)最优为0.657,SIPI适用于夏季高温期,R^(2)最优为0.558,kNDVI在秋季表现最佳R^(2)最优分别为0.578,NDVI在冬季表现最佳,R^(2)最优为0.708。本研究对VIs在山地森林LAI反演时的地形效应进行了系统评估,可为准确评估森林生态系统碳循环及实现“碳达峰碳中和”做出一定的贡献。展开更多
叶面积指数(Leaf Area Index, LAI)是反映作物生长的重要参数,准确获取对农业监测和产量评估至关重要。Sentinel-2卫星具备多红边与短波红外波段,在LAI反演中具有潜在优势,因此比较不同模型与波段组合的反演能力,对提升玉米LAI估算精度...叶面积指数(Leaf Area Index, LAI)是反映作物生长的重要参数,准确获取对农业监测和产量评估至关重要。Sentinel-2卫星具备多红边与短波红外波段,在LAI反演中具有潜在优势,因此比较不同模型与波段组合的反演能力,对提升玉米LAI估算精度具有重要意义。本文以位于甘肃省张掖市的黑河遥感试验研究站大满观测场为研究区,基于PROSAIL模型敏感性分析,筛选对LAI敏感的波段组合和关键参数,构建模拟数据库,并采用查找表法(Look Up Table, LUT)、遗传算法(Genetic Algorithm, GA)和随机森林(Random Forest, RF)回归模型3种方法反演LAI,结合Sentinel-2影像及实测数据进行精度验证。结果表明:(1)异常数据对反演精度影响显著,LUT对异常值最敏感(ΔR^(2)=0.20~0.26),RF相对稳定(ΔR^(2)=0.14~0.20),LUT加入红边波段RE_(2)(B,R,RE_(2),RE_(3),NIR,RE,SW_(2))可在提高精度的同时保持抗干扰性(均值ΔR^(2)=0.18);(2)移除异常数据后,LUT反演精度最高(R^(2)=0.88,RMSE=0.31),GA次之,RF加入RE_(2)波段表现显著提升(R^(2)=0.65~0.79,RMSE=0.64~0.53);(3) 3种模型在高LAI区间(2.5~5.0;LUT:R^(2)>0.84;GA:R^(2)>0.71;RF:R^(2)>0.57)反演精度均显著优于低LAI区间(0.5~2.5),其中RF结合RE_(2)波段R^(2)从0.57提高至0.82。综上所述,物理模型反演方法以及RE_(2)波段在提升玉米LAI反演精度方面作用突出,能够为玉米的LAI反演工作和生长监测提供有益参考。展开更多
Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Scien...Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.展开更多
Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Scien...Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.展开更多
Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Scien...Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.展开更多
Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Scien...Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.展开更多
文摘叶面积指数(leaf area index,LAI)是反映植物冠层结构和光能利用的重要指标.随着遥感技术的不断发展,利用遥感数据获取大面积LAI已经成为监测作物生长和估产的重要手段.基于物理模型的LAI遥感反演方法经常假设作物冠层结构是均匀分布,然而,作为典型的垄行结构,作物冠层被公认为是介于连续植被与离散植被之间的一种过渡形式,而简单的均匀假设必然会给反演带来偏差.本文以农作物玉米为研究对象,首先重建了玉米三维冠层结构,并定量对比分析了一维辐射传输模型PROSAIL和三维辐射传输模型LESS在玉米冠层不同生长期的反射率差异,确定了玉米冠层的非均匀分布特征是引起PROSAIL模型模拟和反演误差的主要因素;然后,考虑到玉米冠层生长过程中聚集指数的变化特征,利用LESS模型定量计算了不同生育期玉米冠层结构对应的聚集指数,建立了聚集指数和有效叶面积指数(LAI_(e))之间的关系;进而,利用该关系对基于PROSAIL模型反演得到的LAI进行修正.结果表明,修正后的LAI精度有明显提高,R^(2)从0.27提高到了0.55.该方法有望提高中高分辨率遥感数据在农作物LAI反演精度.
文摘Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.
文摘Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.
文摘Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.
文摘Editor-in-Chief Yuanming Lai,Academician of Chinese Academy of Sciences,director of Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou,China,Associate Editor of Cold Regions Science and Technology.
