基于SAIL模型的多角度多光谱遥感叶面积指数反演
考虑红边特性的多平台遥感数据叶面积指数反演方法研究
考虑红边特性的多平台遥感数据叶面积指数反演方法研究 叶面积指数(Leaf Area Index,LAI)是最重要的植被结构参数之一,是作物长势监测、作物估产、肥水管理等精准农业必备的数据源。遥感技术为大面积、及时获取LAI提供了有效手段。红边波段能够用于研究植物养分及健康状态监测、植被识别和生理生化参数等信息, 是定量遥感分析的理论基础。利用不同遥感数据估测植被LAI各有其优劣性,叶面积指数反演过程中需要充分挖掘包含红边波段的不同数 据源的特点。例如,高光谱数据红边波段数量多、波段窄,但是存在波段间高度相关、数据冗余的问题;包含单个红边波段的多光谱数据, 红边波段较宽,比高光谱数据的红边波段缺少了许多细节;包含多个 红边波段的多光谱数据,可以反映更多红边区域的光谱细节,并且由 于红边区域反射率迅速上升,红边区域内的不同波段之间存在较大差别,在实际反演中需要进行合理选择。本文针对不同遥感数据源的特点,围绕红边波段进行叶面积指数反演研究,主要研究内容及结论如下:(1)基于近地和航空高光谱数据红边波段的叶面积反演方法研究。基于研究区域采集的近地、航空高光谱数据和田间同步试验测量LAI 数据,探究航空和地面高光谱数据红边区域对冬小麦LAI的反演能力。首先,建立高光谱植被指数反演模型,进而研究红边波段组合法和传 统波段组合、逐波段组合方法对植被指数反演LAI精度的影响,结果 显示在红边区域680-750nm波段范围内,波段组合得到的植被指数与LAI的相关性非常高。最后,针对不同肥水条件下叶面积指数的特征 光谱及参数随不同试验条件存在差异,本文基于航空和近地高光谱数
据,以及田间实测数据,建立了基于高光谱植被指数MSAVI(Modified Soil-Adjusted Vegetation Index),NDVI(Normalized Difference Vegetation Index)和MTVI2(Modified Triangular Vegetation Index 2)的普适性强、精度高的冬小麦叶面积指数估算模型。(2)基于包含单个红边波段的多光谱卫星数据反演作物叶面积指数方法研究。针对一般红边波段代替红波段的改进植被指数多是基于单一时相、单一作物实现LAI估算中存在的对叶绿素含量的干扰因素考虑不足的缺陷,本文提出基于红边波段和红波段进行组合改进的新植被指数 ndvired&re(red-edgenormalizeddifferencevegetationindex),msr red&re(red-edgemodifiedsimpleratioindex)和 cired&re(red-edgechlorophyllindex)。依据田间实测的不同生育时期的四种作物(小麦,大麦,苜蓿,玉米)的叶面积指数和与田间试验准同步的rapideye卫星影像,建立基于植被指数的反演模型,结果证明本文提出的植被指数克服了在多时相和多种类型作物的情况下叶绿 素含量的变化对lai反演的影响,有效提高了lai的反演精度,比一般红边波段代替红波段的植被指数反演结果的决定系数提高至少10%。 (3)基于包含多个红边波段的多光谱卫星数据反演作物叶面积指数方法研究。面对包含多个红边波段的新发射多光谱卫星在作物参数反演中的研究尚未成熟的情况,本文以搭载两个红边波段的sentinel-2 卫星为例,针对不同红边波段之间光谱差异、多个红边波段的波段选择等问题,采用三种叶面积指数反演的经典方法:查找表、神经网络和植被指数法,建立冬小麦叶面积指数反演模型。作为对比,同时利用不
叶面积指数获取方法
A.直接方法直接测定方法是一种传统的、具有一定破坏性的方法。 1、叶面积的测定，传统的格点法和方格法。 2、描形称重法. 在一种特定的坐标纸上,用铅笔将待测叶片的轮廓描出并依叶形剪下坐标纸,称取叶形坐标纸重量,按公式计算叶面积. 3、仪器测定法. 叶面积测定仪可以分成两种类型,分别通过扫描和拍摄图像获取叶面积. 扫描型叶面积仪主要由扫描器(扫描相机) 、数据处理器、处理软件等组成,可以获得叶片的面积、长度、宽度、周长、叶片长度比和形状因子以及累积叶片面积等数据,主要仪器有: CI - 202 便携式叶面积仪、L I- 3000台式或便携式叶面积仪、AM - 300手持式叶面积仪等. 此外,还有使用台式扫描仪和专业图像分析软件测定的方法. 图像处理型 叶面积仪由数码相机、数据处理器、处理分析软件和计算机等组成,可以获取叶片面积、形状等数据,主要仪器有:W IND I2AS图象分析系统、SKYE 叶片面积图像分析仪、Decagon - Ag图象分析系统、WinFOL IA 多用途叶面积仪等. B、间接方法间接方法是用一些测量参数或用光学仪器得到叶面积指数,测量方便快捷,但仍需要用直接方法所得结果进行校正。 1、点接触法 点接触法是用细探针以不同的高度角和方位角刺入冠层,然后记录细 探针从冠层顶部到达底部的过程中针尖所接触的叶片数目,用以下公式计算. 式中,LA I为叶面积指数, n为探针接触到的叶片数, G (θ) 为投影函数,θ为天顶角. 当天顶角为57.5°时,假设叶片随机分布和叶倾角椭圆分布 ,则冠层 叶片的倾角对消光系数K的影响最小,此时采用32.5°倾角刺入冠层,会得出较准确的结果,用以下公式计算. 点接触法是由测定群落盖度的方法演进而来的 ,在小作物LA I的测量中较准确 ,但在森林中应用比较困难 ,主要是由于森林植物树体高大以及针叶树种中高密度的针叶影响了测定。 2、消光系数法 该法通过测定冠层上下辐射以及与消光系数该法通过测定冠层上下辐射以及与消光系数相关的参数来计算叶面积指数,前提条件是假设叶片。随机分布和叶倾角呈椭圆分布,由Beer - Lambert定 律知:
叶面积指数LAI测量仪器介绍
叶面积指数LAI测量仪器介绍 目的是给出各种测量LAI的仪器的直观介绍。 LA I 是一个无量纲、动态变化的参数, 随着叶子数量的变化而变化。另外, 植物叶子的生长与植物种类自身特性、外部环境条件以及人为管理方式有关。再加上LA I 的不同定义和假设导致了LAI 值测量的极大差异。植物LAI 的地面测量方法有2 类: 直接测量和间接测量。本文简要介绍LAI2200（LAI2000）、SUNSCAN、TRAC、AccuPAR和DHP仪器并且给出一些选择建议。目前，遥感科学国家重点实验室关于LAI测量的仪器有LAI2000、LAI2200、TRAC和LI3000A。 1，LAI2200（LAI2000） LAI2200植物冠层分析仪基于成熟的LAI-2000技术平台，利用“鱼眼”光学传感器（垂直视野范围148度，水平视野范围360度，波谱响应范围320nm~490nm）测量树冠上、下5个角度的透射光线，利用植被树冠的辐射转移模型（间隙率）计算叶面积指数、空隙比等树冠结构参数。利用随机FV-2200软件，可对数据进行深入处理分析。该仪器由美国 LI-COR公司开发。 仪器组成如下图所示。
测量注意事项： 尽可能避免直射的阳光，尽量在日出日落时或者多云的天气（阴天）进行测量，如果避免不了，需要注意：1，使用270度的遮盖帽或者更小视野的遮盖帽；2，背对着阳光进行测量，遮挡住日光和操作者本身；3，对植物冠层进行遮阴处理；4，如果云分布不均匀导致光线不均匀的天气条件下要等待云彩飘过并且遮挡了阳光时再进行测量。 在非均匀、不连续植被情况下以及复杂地形区的测量结果不理想。 2，SUNSCAN
【CN109975250B】一种叶面积指数反演方法及装置【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 (45)授权公告日 (21)申请号 201910333471.7 (22)申请日 2019.04.24 (65)同一申请的已公布的文献号 申请公布号 CN 109975250 A (43)申请公布日 2019.07.05 (73)专利权人 中国科学院遥感与数字地球研究 所 地址 100101 北京市朝阳区大屯路甲20号 北 专利权人 首都师范大学 (72)发明人 董莹莹 李雪玲 朱溢佞 叶回春 黄文江 (74)专利代理机构 北京集佳知识产权代理有限 公司 11227 代理人 杨华 王宝筠 (51)Int.Cl.G01N 21/552(2014.01)G06N 3/04(2006.01)G06N 3/08(2006.01)审查员 李新科 (54)发明名称 一种叶面积指数反演方法及装置 (57)摘要 本申请公开了一种叶面积指数反演方法及 装置，其中，方法包括：获取遥感植被冠层光谱反 射率数据，将遥感植被冠层光谱反射率数据输入 预先训练的深度神经网络模型，得到深度神经网 络模型输出的叶面积指数，深度神经网络模型至 少包括卷积层，卷积层的采样步幅大于1，并且取 不大于卷积层使用的滤波器的尺度的数值中的 最大值。通过本申请，可以反演出具有较高精度 的叶面积指数。权利要求书2页 说明书12页 附图2页CN 109975250 B 2020.03.24 C N 109975250 B
权 利 要 求 书1/2页CN 109975250 B 1.一种叶面积指数反演方法，其特征在于，包括： 获取遥感植被冠层光谱反射率数据； 将所述遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到所述深度神经网络模型输出的叶面积指数，所述深度神经网络模型至少包括卷积层，所述卷积层的采样步幅大于1，并且取不大于所述卷积层使用的滤波器的尺寸的数值中的最大值； 其中，所述卷积层包括：第一个卷积层与第二个卷积层，所述第一个卷积层与所述第二个卷积层连接； 所述第一卷积层的滤波器尺寸为1*3，采样步幅为3，所述第二个卷积层的滤波器尺寸为1*3，采样步幅为3； 其中，所述深度神经网络模型还包括：一个池化层；所述第二个卷积层与所述池化层连接； 其中，所述深度神经网络模型还包括：三个全连接层，分别为第一个全连接层，第二个全连接层与第三个全连接层；所述池化层与所述第一个全连接层连接，所述第一个全连接层输出的数据，输入随机失活(Dropout)，所述Dropout输出的数据输入所述第二个全连接层，所述第二个全连接层与所述第三个全连接层连接。 2.根据权利要求1所述的方法，其特征在于，所述预设的神经网络模型是采用训练样本训练得到；所述训练样本包括预设的植被光谱反射率数据，以及与所述预设的植被光谱反射率数据对应的叶面积指数； 所述预设的植被光谱反射率数据为在所述遥感植被冠层光谱反射率数据中的比例为0.14％的数据。 3.根据权利要求1所述的方法，其特征在于，所述第二个卷积层输出的数据输入预设的第一ReLU激活函数，所述第一ReLU激活函数输出的数据输入所述池化层，所述池化层输出的数据输入所述第一个全连接层，所述第一个全连接层输出的数据输入预设的第二ReLU激活函数，所述第二ReLU激活函数输出的数据输入所述Dropout，所述Dropout输出的数据输入所述第二个全连接层，所述第二个全连接层输出的数据输入预设的第三ReLU激活函数，所述第三ReLU激活函数输出的数据输入所述第三个全连接层，所述第三个全连接层输出的数据输入预设的Sigmoid函数。 4.一种叶面积指数反演装置，其特征在于，包括： 获取模块，用于获取遥感植被冠层光谱反射率数据； 输入模块，用于将所述遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到所述深度神经网络模型输出的叶面积指数，所述深度神经网络模型至少包括卷积层，所述卷积层的采样步幅大于1，并且取不大于所述卷积层使用的滤波器的尺寸的数值中的最大值； 其中，所述卷积层包括：第一个卷积层与第二个卷积层，所述第一个卷积层与所述第二个卷积层连接； 所述第一卷积层的滤波器尺寸为1*3，采样步幅为3，所述第二个卷积层的滤波器尺寸为1*3，采样步幅为3； 其中，所述深度神经网络模型还包括：一个池化层；所述第二个卷积层与所述池化层连接； 2
叶面积指数遥感反演
冬小麦叶面积指数(LAI)的遥感反演 ——经验模型和物理模型方法 李淑敏 2010/12/13
?第一部分.基础知识 ?第二部分.遥感反演LAI 的方法 ?第三部分.研究实例 本次课程主要内容 叶面积指数LAI 、遥感反演 经验模型反演方法、物理模型反演方法 几何光学模型、辐射传输模型 PROSAIL 模型 硕士论文——―基于MODIS/ASTER 的区域冬小麦叶面 积指数PROSAIL 模型反演研究” BRDF 模型PROSPECT 模型、SAIL 模型
叶面积指数leaf area index ?定义：单位土地面积上植被叶片总面积。 叶片总面积/占地面积 ?陆地生态系统的一个十分重要的参数： 农作物产量预估和病虫害评价； 反映作物生长发育的动态特征和健康状况。 ?叶面积指数越大，表明单位土地面积上的叶面积越大。 那么，叶面积指数越大越好吗?? ?以冬小麦为例了解叶面积指数变化情况
图为不同群体叶面积指数消长模型（彭永欣等，1992）1—过大群体;2—高产群体;3—过小群体. 低增缓增快 增衰减LAI 消长动态分为四个时期 1. 低速增长期，叶片总数较多，但叶面积较小，总叶面积增速较低； 2. 缓慢增长期，单叶面积渐次增加，但低温条件，出叶周期延长； 3. 快速增长期，气温回升，植株生长快速，至孕穗期LAI 达峰值； 4. 衰减期，植株生殖生长，叶片消亡叶面积衰减，至成熟期LAI 为0。一个生长期内冬小麦叶面积指数变化
叶面积指数获取方法 ?实测方法 长宽法、称重法这些方法均需要消耗一定的人力进行实物测量。 借助有关测量工具例如LAI-2000、LAI-2200、LI-3100C、LI-3000、AccuPAR等，此方法仍需实地进行测量。 仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在很大局限性，不能满足植被生态和作物长势监测需求 ?遥感反演方法由于遥感数据具有覆盖范围广、时间与空间分辨率高、花费相对较少等优点。 可以用定量遥感方法反演区域LAI ?作物生长模型模拟LAI
水体悬浮物浓度遥感反演经验模型
水体悬浮物浓度遥感反演经验模型 摘要 常规的悬浮物浓监测是通过对水体取样，进而再对水样进行实验室化学分析实现的，需要耗费大量的人力物力，而且所得到的仅是取样点的数据，对区域面状水域的评价只能是以点代面，因此，难以满足对大面积水环境质量监测的要求。悬浮沉积物作为近海水体污染物的源和汇，是表征水环境质量的一个重要参数，同时又是水体的主要光学活性物质之一，与水体的光学性质密切相关，其浓度大小直接影响卫星遥感信号的强弱。如叶绿素在440nm 附近有一吸收峰，在550nm附近有一反射峰，在可见光和近红外波段，悬浮物浓度的增加将导致水体反射率的增加等，正是由于这些光谱特性的存在，使得遥感监测水质参数成为可能。从定量遥感的角度考虑，建立准确的遥感反演模型需要深入研究水体的光谱特征，国外对此研究较早，并且建立了完善的水体光学测量规范，为发展准确的遥感反演算法奠定了坚实的基础。国内对此也开展了一些研究，尤其是在含沙水体光谱特征研究上，通过模拟实验和现场测量两种方式，获得了遥感反射率对应不同含沙量水体的变化规律。但是，不同水域悬浮物的成分、粒径分布和浓度的不同，其相应的反射率光谱特性也有所差异，目前国内对不同区域水体光谱特征的把握上还不全面，所以遵循美国NASA的海洋光学测量规范，测量获取了实验海域混浊水体的水面反射率光谱和对应的水体悬浮泥沙浓度等数据，在分析实测光谱特征的基础上，研究了水体表层悬浮泥沙浓度与不同波段遥感反射率之间的相关性，从中选取敏感波段进行统计分析，采用回归方程建立悬浮泥沙浓度遥感反演经验模型。另外，基于人工神经网络建立了悬浮物浓度遥感反演的经验模型。 1水体遥感原理 1.1 水色遥感原理 水色遥感是通过卫星传感器接收的离水辐射信号，对水体中待定物质的浓度信息等进行反演，这些物质主要包括浮游植物等悬浮物。水体中各种物质组成及其对应的浓度差异是造成水体光学性质差异的主要原因，主要表现为水体的吸收特性和散射特性的不同。因此，水体遥感的反演首先要获取与水体光学特性有光的离水辐射亮度，然后根据水体光学性质与对应物质的浓度等所具有的特定的关系，并借助一定的模型算法，从遥感影响上反演出水体中物质组成及其浓度等。水体光谱性包括两个方面：表观光学特性（Apparent Optic Properties，AOPS）和固有的光学特性（Inherent Optic Properties，IOPS） 1.2 悬浮泥沙遥感原理 水体中悬浮泥沙光谱反射率具有双峰特种，通常第一反射峰位置在550-670nm，第二反射峰位置在780-830nm。当水体中悬浮物质含量增加时，反射率波谱上的反射峰由短波向长波方向位移，及具有所谓的“红移现象”。随着水体含沙的增加，反射率增加幅度最大波长与反射率波谱最大峰值位置基本上是吻合。在含沙量较低时，第一反射峰值R1高于第二反射峰值R2.，随着S增加，R2.逐渐升高。当悬浮物质颗粒教细时，随着S的增加，R2.升高的速度要大于R1升高的速度 2建立遥感反演数据集 反演过程如图1所示，分为五个阶段：
玉米叶面积指数变化及其应用
玉米叶面积指数变化及其应用 摘要 叶面积指数（LAI）与作物产量的增长联系紧密，在一定范围内随着叶面积指 数的增加群体光合速率提高。LAI与品种特性，种植密度，栽培措施，气象条件 有密切联系。本文分别从玉米LAI模型构建和不同处理措施对玉米LAI的影响角 度总结近年来关于玉米LAI的研究以及其对于农业生产的意义。 前言 玉米是大田中的主要作物之一，我国的玉米生产水平有较大的提高潜力。叶 面积指数是计算作物蒸散和干物质累积最重要的生理参数，可为植冠表面最初能 量交换描述提供结构化定量信息，是进行物质循环及能量代谢等研究的基础，是 除单叶光合作用速率以外决定作物冠层光合作用计算精确与否的重要参数，且最 能反映遥感数据与作物生长状态密切关系关系，因此研究叶面积指数动态变化模 式有重要的应用价值。目前有关玉米LAI的测定，LAI动态模型的建立，不同株 型玉米LAI动态变化和不同的栽培因子对于玉米LAI的影响是研究的热点。 一、玉米LAI动态模型 关于玉米全生育期的动态变化模拟模型主要是logistic模型的扩展。例如中国科 学院地理科学与资源研林忠辉等提出的模型便是以积温指标表示的生育阶段为 自变量,综合不同地理位置、品种、播期、密度等的影响,是一个扩展的Logistic 叶面积生长模型。[1] 玉米叶面积指数随生育进程变化可分为4 个时期,即缓慢增长期,指播种～拔 节期叶面积指数增长缓慢;线性增长期,指拔节～抽雄吐丝期叶面积指数增长最 快,且吐丝期达最大值;相对稳定期,指抽雄吐丝～乳熟期叶面积指数相对稳定而 后期略有下降;衰退期,指乳熟～蜡熟期叶面积指数下降。Logistic 曲线可较好 地表述玉米叶面积指数前2 个生育阶段,但不能表述相对稳定期后期及衰退期叶 面积指数下降过程,必须经过修正方可用于整个生育期动态变化模拟。[2] 玉米LAI动态模型主要用于区域作物生长模拟模型和区域作物生长监测及遥感 估产。 二、不同株型玉米LAI动态变化 主要是研究平展型品种和紧凑型品种的LAI动态变化，通过比较得出不同品种 的最大最适叶面积指数，从而为玉米的增产提供理论依据。例如沈阳农业大学的 任志勇等通过比较的玉米品种平展型品种连玉16( A1)、半紧凑型品种丹玉 39( A2) 、紧凑型品种郑单958( A3)不同时期的LAI得出了不同株型品种获得最 高产量的密度不同, 获得最高产量的最大叶面积指数也不同的结论。连玉16在2 600株/667m2密度下获得了最高产量, 其叶面积指数为3.8 ,丹玉39和郑单958在 4 500株/667m2 密度下获得了最高产量, 其叶面积指数分别为5. 15和5. 66。[3] 吉林农大的岳阳等通过分析：两个紧凑型玉米品种：先玉335、郑单958；两个平 展型玉米品种：“三北9、长城799不同生育时期的LAI动态变化得出了两个紧凑 型玉米品种的群体叶面积指数、光合速率等均比两个平展型玉米品种表现优良， 有利于光合产物的积累，提高产量的结论。[4] 这些都为玉米栽培品种的选择和玉米育种提供了重要的参考。 三、不同的栽培因子对于玉米LAI的影响
植被叶面积指数遥感反演的尺度效应及空间变异性
第26卷第5期2006年5月 生 态 学 报AC TA ECOLOGIC A SI NICA Vol.26,No.5May,2006 植被叶面积指数遥感反演的尺度效应及空间变异性 陈 健1 ,倪绍祥1* ,李静静2 ,吴 彤 1 (1.南京师范大学地理科学学院,南京 210097;2.南京信息工程大学计算机科学与技术系,南京 210044) 基金项目:国家自然科学基金资助项目(40371081);江苏省研究生创新计划项目(1612005012)收稿日期:2005 09 25;修订日期:2006 04 20 作者简介:陈健(1978~),男,汉族,山东济宁人,博士生,从事遥感与GIS 应用研究.E mail:chjnjnu@https://www.360docs.net/doc/fe8091512.html, *通讯作者Corresponding author.E mail:sxni@nj https://www.360docs.net/doc/fe8091512.html, Foundation item :The projec t was s upported by National Natural Science Foundation of China (No.40371081)and Innovation Res earch Program of Jiangsu Provincial Department of Educati on for Res earch Students (1612005012)Received date :2005 09 25;Accepted date :2006 04 20 B iography :CHEN Ji an,Ph.D.candidate,mainly engaged in application of remote sensing and GIS.E mai l:chjnjnu@https://www.360docs.net/doc/fe8091512.html, 摘要:遥感作为宏观生态学研究中数据获取的一种便捷手段,有助于把握较大尺度内生态学现象的特征。应用遥感数据反演LAI 时,由于像元的异质性,不同尺度遥感数据之间的转换是遥感发展的一个重要问题。以河北省黄骅市为研究区,在利用TM 和MODIS 遥感数据对芦苇LAI 反演误差产生原因进行分析的基础上,利用半变异函数对像元空间异质性进行了定量描述。发现NDVI 算法的非线性带给LAI 尺度转换的误差很小,而LAI 的空间异质性则是引起L AI 尺度效应的根本原因。并且当像元内空间异质性很大时半变异函数的基台值比纯像元要大得多,空间自相关的程度是引起LAI 尺度转换误差的主要原因;反之,像元内空间异质性不大时,随机误差是引起LAI 尺度转换误差的主要原因。当像元为纯像元时,由像元异质性引起的反演误差基本可以忽略。此外,研究区芦苇的空间相关有效尺度约为360m,超过此距离空间相关性则不复存在。关键词:叶面积指数;尺度效应;半变异函数;异质性 文章编号:1000 0933(2006)05 1502 07 中图分类号:Q948,TP79 文献标识码:A Scaling effect and spatial variability in retrieval of vegetation LAI from remotely sensed data CHEN Jian 1 ,NI Shao Xiang 1,* ,LI Jing Jing 2,WU Tong 1 (1 Colle ge o f Ge ographical Science ,Nanjing Normal U nive rsity ,Nanjing 210097, China ;2 De partment o f Compute rsc ienc e &Tec hnology ,Nanjing U niversity o f In f o rmation Sc ie nce &Technology ,Nanjing 210044,China ).Acta Ecologica Sinica ,2006,26(5):1502~1508. Abstract :As one kind of the means for data acquiring in mac roscopic ec ology,re mote sensing has an ability to grasp fea tures of the ec ological phenomena on lar ger scale.In de riving Le af Area Inde x (LAI )from remotely sensed data,the transformation of the re motely sensed data from one kind of resolution to anothe r has bec ome a signific ant problem because of the heterogeneity in pixel.In this paper,based on an analysis of the reasons for e rror appearing in LAI retrieval,the spatial he terogenei ty in pixel was described by se mivariogra m.Taking the city of Huanghua in Hebei province as the study area and using TM a nd MODIS data,this paper e xplores the scaling effect in the re trie ving reeds LAI .Firstly,the LAI image with 30m scale was retrieved from the TM ima ge data based on the statistic model.Then,se ven test plots we re selected from the LAI image.Each plot is diffe rent in reeds c overage,and the smaller reeds coverage in pixel the lager heterogeneity within it.Follo wing this step,the reeds LAI on the MODIS scale (990m by 990m)were obtained for the seven plots using the method of spatial transformation,and the reason for e rror appea red in the LAI retrieval was e xplored.Finally,the semivariogram model of reeds coverage was de veloped through the analysis on the semivariograms of these plots. The following c onclusions we re obtained from this study:(1)The scaling problem appeared in de riving the paramete rs on ground surface stems from not only the non linearity of algorithm for nor malized difference vege tation inde x (NDV I ),but also the spa t ial he terogeneity within pixel.The variation in LAI error depends mainly on the degree of he terogeneity of ground surface.It
叶面积指数仪的用途及工作原理介绍
叶面积指数仪的用途及工作原理介绍 植物的生长与植物的叶面积之间存在着密切的联系，我们知道叶片是植物进行光合作用的重要部分，因此植物的光合物质积累直接受到叶面积大小的影响，另外一方面通过测定和分析叶面积的变化，还能够掌握植物的生长，为制定科学的栽培技术措施等提供依据。因此在现代科技农业发展中，叶面积的测定变得越来越重要。应用叶面积指数仪来检测植物叶面积，简单直观，十分符合现代农业科研的实际工作需要。 虽然测定叶面积的方法很多，有叶形纸称重法、鲜样称重法和干样称重法、长宽系数法、回归方程法和叶面积指数仪测定法等，但是在众多的测定方法中，叶面积指数仪测定法无疑是最简单、直观和高效的，利用叶面积指数仪直接测定，可以准确而快速的获取叶面积相关数据，为科研工作的开展节约时间和成本。那么叶面积指数仪有什么特别之处，使其拥有如此突出的优势呢，叶面积指数仪的工作原理是什么？ 托普云农叶面积指数仪的工作原理是利用光电转换的方法来测定叶面积值，当均匀光源照射仪器的磨砂玻璃时，由于漫反射，会使其成均匀散光亮面，再经透镜成像于光电池上，用光电池产生光电流，由微安表指示出来，将被测叶片放在均匀光面前，则亮面面积相应减少，产生的光电流减少，被测叶面积与亮面面积之比等于光电流减少与亮面产生的电流之比，测定的叶面积大小可以通过叶面积指数仪的显示框直接显示出来，达到了快速测定，直观显示测定结果的效果。 托普云农研发制造的这款TOP-1300叶面积指数仪可测量叶面积指数、散射辐射透过率、不同太阳高度角下的直射辐射透过率、不同太阳高度角下的消光系
数、叶面积密度的方位分布等。 叶面积指数仪采用国际上一致采用的原理（比尔定律以及冠层孔隙率与冠层结构相关的原理），通过专用鱼眼镜头成像和CCD图像传感器测量冠层数据和获取植物冠层图像，利用软件对所得图像和数据进行分析计算，得出冠层相关指标和参数。具有精确、省时省力、快捷方便的特点。 托普云农叶面积指数仪可测量：叶面积指数、散射辐射透过率、不同太阳高度角下的直射辐射透过率、不同太阳高度角下的消光系数、叶面积密度的方位分布、冠层内外的光合有效辐射(PAR)等。植物叶面积指数仪/叶面积仪广泛应用于作物、植物群体冠层受光状况的测量分析以及农林业科研工作。 托普云农叶面积指数仪功能特点： 1、无损测量叶面积指数以及冠层结构。
地表温度热红外遥感反演的研究现状及其发展趋势_祝善友
收稿日期:2006-04-19;修订日期:2006-10-16 基金项目:上海市科委光科技专项(04dz05117)资助。 作者简介:祝善友(1977-),男,博士,主要从事遥感信息处理研究工作。 地表温度热红外遥感反演的研究现状及其发展趋势 祝善友1,张桂欣1,尹 球2,匡定波2 (1.南京信息工程大学遥感学院,江苏南京 210044;2.中国科学院上海技术物理研究所,上海 200083)摘要:区域性或全球性的地表温度,只有通过遥感手段才能获得,在诸多应用中是一个非常重要的参数。地表温度反演是热红外遥感研究的热点和难点之一,大气校正、温度与比辐射率的分离是必须考虑的两个重要方面。近年来有关的研究非常多,主要反演方法可分为5类:单通道方法、分裂窗(双波段)方法、多波段温度-比辐射率分离方法、多角度温度反演方法和多角度与多通道相结合的方法。这些方法都各有利弊,如何提高反演的精度和模型的适用性是地表温度热红外遥感的未来发展趋势,理论和实验相结合的多种信息源的综合应用成为必然的要求。关 键 词:地表温度;比辐射率;热红外波段;遥感 中图分类号:TP 751.1;TP 722.5 文献标识码:A 文章编号:1004-0323(2006)05-0420-06 1 引 言 在许多环境模型中,如大气与地表的能量与水汽交换、数字天气预报、全球洋流、气候变化等方面,地表温度都是一个不可或缺的重要参量。只有通过遥感技术,才能获得区域性或全球性的地表温度分布状况。近年来许多方法被用于从热红外波段探测到的经大气影响的地表辐射,并结合其它辅助数据来估算地表温度。但是许多原因限制了高精度的地表温度反演〔1,2〕:①大气对热红外波段的影响非常复杂,难以进行精确的大气校正;②热红外波段信息受地表热状况的影响,而且地物本身的热过程非常复杂,要定量表达这一过程非常困难;③热探测器获得的物体发射辐射信息包含了地表温度与比辐射率,温度与比辐射率的分离是热红外遥感的一个难点;④热红外遥感图像的空间分辨率一般低于可见光-近红外遥感图像,造成了混合像元(非同温像元)的定义和计算的复杂。因此,若想从遥感数据中获得地表温度,高精度的大气校正、温度与比辐射率的分离是首先必须考虑的两个关键方面。 2 地表温度热红外遥感反演的理论基 础 在热红外遥感的地-气辐射传输过程中,地面 与大气都是热红外辐射的辐射源,辐射能多次通过 大气层,被大气吸收、散射和发射。图1为热红外遥感的地-气辐射传输示意图,它表达了热红外辐射的传输方向以及相互作用过程〔2〕 。 图1 热红外遥感的地-气辐射传输示意图Fig .1 Sketch map of ground -atmospheric radiance transmission of thermal inf rared remote sensing 若考虑热辐射的方向性,则根据热辐射传输方程,卫星遥感器接收到的辐射亮度可由式(1)计算:L sensor j (θ)=f j (θ)·X j (θ)·B j (T s )+L atm ↑ j (θ)+ f j (θ)·∫ o f (θ′,h ′,θ,h )·L atm ↓j (θ′)·co s θ′do ′(1) 第21卷 第5期2006年10月 遥 感 技 术 与 应 用 REM OT E S EN SING TEC HNOLOGY AND APPLICA TION Vol .21 No .5Oct .2006
叶面积指数
叶面积指数 科技名词定义 中文名称：叶面积指数 英文名称：leaf area index;LAI 定义1：单位土地面积上的总植物叶面积。 应用学科：生态学（一级学科）；生理生态学（二级学科） 定义2：植物叶片总面积与地表面积之比。 应用学科：资源科技（一级学科）；草地资源学（二级学科） 以上内容由全国科学技术名词审定委员会审定公布 LAI Leaf Area Index 叶面积指数（leaf area index）又叫叶面积系数，是一块地上阳光直射时作物叶片垂直投影的总面积与占地面积的比值。即：叶面积指数=投影总面积/占地面积。 在田间试验中，叶面积指数(LAI)是反映植物群体生长状况的一个重要指标,其大小直接与最终产量高低密切相关。常用叶面积指数(LAI)由下式中求得: 叶面积用直尺测量每株各叶片的叶长(Lij)和最大叶宽(Bij)。 式中,n为第j株的总叶片数;m为测定株数;ρ种为种植密度。 叶面积指数是反映作物群体大小的较好的动态指标。在一定的范围内，作物的产量随叶面积指数的增大而提高。当叶面积增加到一定的限度后，田间郁闭，光照不足，光合效率减弱，产量反而下降。苹果园的最大叶面积指数一般不超过5，能维持在3~4较为理想。盛果期的红富士苹果园，生长期亩枝量维持在10~12万条之间，叶面积指数基本能达到较为适宜的指标。
氮对提高叶面积指数、光合势、叶绿素含量和生长率均有促进作用,而净同化率随施氮增加而下降。施氮对大豆光合速率无显著影响。随施氮增加叶面积指数提高的正效应可以抵消净同化率下降的负效应,从而最终获 得一个较高的生长率。因此,高产栽培首先应考虑获得适当大的叶面积指数。 在生态学中，叶面积指数是生态系统的一个重要结构参数,用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应,为植物冠层表面物质和能量交换的描述提供结构化的定量信息,并在生态系统碳积累、植被生产力和土壤、植物、大气间相互作用的能量平衡,植被遥感等方面起重要作用。 叶面积指数测定的主要方法 A.直接方法直接测定方法是一种传统的、具有一定破坏性的方法。 1、叶面积的测定，传统的格点法和方格法。 2、描形称重法. 在一种特定的坐标纸上,用铅笔将待测叶片的轮廓描出并依叶形剪下坐标纸,称取叶形坐标纸重量,按公式计算叶面积. 3、仪器测定法. 叶面积测定仪可以分成两种类型,分别通过扫描和拍摄图像获取叶面积. 扫描型叶面积仪主要由扫描器(扫描相机) 、数据处理器、处理软件等组成,可以获得叶片的面积、长度、宽度、周长、叶片长度比和形状因子以及累积叶片面积等数据,主要仪器有: CI - 202 便携式叶面积仪、L I- 3000台式或便携式叶面积仪、AM - 300手持式叶面积仪等. 此外,还有使用台式扫描仪和专业图像分析软件测定的方法. 图像处理型 叶面积仪由数码相机、数据处理器、处理分析软件和计算机等组成,可以获取叶片面积、形状等数据,主要仪器有:W IND I2AS图象分析系统、SKYE 叶片面积图像分析仪、Decagon - Ag图象分析系统、WinFOL IA 多用途叶面积仪等. B、间接方法间接方法是用一些测量参数或用光学仪器得到叶面积指数,测量方便快捷,但仍需要用直接方法所得结果进行校正。 1、点接触法 点接触法是用细探针以不同的高度角和方位角刺入冠层,然后记录细 探针从冠层顶部到达底部的过程中针尖所接触的叶片数目,用以下公式计算. 式中,LA I为叶面积指数, n为探针接触到的叶片数, G (θ) 为投影函数,θ为天顶角. 当天顶角为57.5°时,假设叶片随机分布和叶倾角椭圆分布 ,则冠层 叶片的倾角对消光系数K的影响最小,此时采用32.5°倾角刺入冠层,会得出较准确的结果,用以下公式计算.
叶面积指数测定仪是怎样测量出叶面积指数的
叶面积指数测定仪是怎样测量出叶面积指数的 叶面积指数又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。即：叶面积指数=叶片总面积/土地面积。 叶面积指数（leaf area index）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。即：叶面积指数=叶片总面积/土地面积。在田间试验中，叶面积指数（LAI）是反映植物群体生长状况的一个重要指标，其大小直接与最终产量高低密切相关。 计算公式 常用叶面积指数（LAI）由下式中求得：叶面积用直尺测量每株各叶片的叶长（Lij）和最大叶宽（Bij）。 式中，n为第j株的总叶片数；m为测定株数；ρ种为种植密度。 作用及意义 叶面积指数是反映作物群体大小的较好的动态指标。叶面积指数可以反映在一定的范围内，作物的产量随叶面积指数的增大而提高。当叶面积指数增加到一定的限度后，田间郁闭，光照不足，光合效率减弱，产量反而下降。苹果园的最大叶面积指数一般不超过5，能维持在3~4较为理想。盛果期的红富士苹果园，生长期亩枝量维持在10~12万条之间，叶面积指数基本能达到较为适宜的指标。 氮对提高叶面积指数、光合势、叶绿素含量和生长率均有促进作用，而净同化率随施氮增加而下降。施氮对大豆光合速率无显著影响。随施氮增加叶面积指数提高的正效应可以抵消净同化率下降的负效应，从而最终获得一个较高的生长率。因此，高产栽培首先应考虑获得适当大的叶面积指数。 在生态学中，叶面积指数是生态系统的一个重要结构参数，用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应，为植物冠层表面物质和能量交换的描述提供结构化的定量信息，并在生态系统碳积累、植被生产力和土壤、植物、大气间相互作用的能量平衡，植被遥感等方面起重要作用。 叶面积指数测定的主要方法 直接方法 直接测定方法是一种传统的、具有一定破坏性的方法。 1、叶面积的测定，传统的格点法和方格法。
基于TM遥感数据的西藏林芝地区叶面积指数反演_骆社周
引用格式：Ｌｕｏ Ｓｈｅｚｈｏｕ，Ｃｈｅｎｇ Ｆｅｎｇ，Ｗａｎｇ Ｆａｎｇｊｉａｎ，ｅｔ ａｌ．Ｌｅａｆ Ａｒｅａ Ｉｎｄｅｘ Ｉｎｖｅｒｓｉｏｎ ｂａｓｅｄ ｏｎ ＴＭ ｉｎ Ｌｉｎｚｈｉ，Ｔｉｂｅｔ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１２，２７（５）：７４０－７４５．［骆社周，程峰，王方建，等．基于ＴＭ遥感数据的西藏林芝地区叶面积指数反演［Ｊ］．遥感技术与应用，２０１２，２７（５）：７４０－ ７４５．］收稿日期：２０１１－１０－１３；修订日期：２０１２－０４－ ２４基金项目：国家９７３计划项目“青藏高原气候系统变化及其对东亚区域的影响与机制研究”（２０１０ＣＢ９５１７００ ），中国科学院“百人计划”。作者简介：骆社周（１９７９－），男，河南驻马店人，博士，主要从事遥感与地理信息系统的应用研究。Ｅ－ｍａｉｌ：ｌｕｏｓｈｅｚｈｏｕ＠１ ６３．ｃｏｍ。基于ＴＭ遥感数据的西藏林芝地区叶面积指数反演 骆社周１，２ ，程 峰１，王方建１，习晓环１，王 成１ （１．中国科学院对地观测与数字地球科学中心，北京 １０００９４； ２．北京城市学院，北京 １０００８３； ）摘要：叶面积指数（ＬＡＩ）是分析冠层结构最常用的参数之一，它控制着植被的生物、物理过程，如光合、呼吸、蒸腾、碳循环和降水截获等。但是通过野外实测获取大面积的ＬＡＩ比较困难，通过对西藏林芝地区的ＴＭ遥感数据进行处理获取各种植被指数，然后分别与实测ＬＡＩ建立相应的回归关系，并对不同的回归模型进行分析找出相关性较好、误差较低的回归模型，最后利用该模型对林芝地区的叶面积指数进行制图。通过植被指数与实测ＬＡＩ进行回归分析建立ＬＡＩ估算模型，其决定系数最高为Ｒ２＝０．６５３，具有较好的相关性。研究结果表明：ＴＭ遥感数据可以实现林芝区域ＬＡＩ估算，能为生态环境研究提供数据支持。 关 键 词：叶面积指数；森林；植被指数；西藏；遥感；ＴＭ 中图分类号：ＴＰ ７９ 文献标志码：Ａ 文章编号：１００４－０３２３（２０１２）０５－０７４０－ ０６１ 引 言 叶面积指数（Ｌｅａｆ Ａｒｅａ Ｉｎｄｅｘ，ＬＡＩ）的提出源于作物学，英国农业生态学家Ｗａｔｓｏｎ于１９４７年首 先定义了叶面积指数，即单位土地面积上单面植物 光合作用面积的总和［１］ 。ＬＡＩ是陆面过程中的一个 十分重要的结构参数，是表征植被冠层结构的最基本参量之一，它控制着植被的生物物理过程，如光 合、呼吸、蒸腾、碳循环和降水截获等［ ２］ 。由于理解和使用上的差异，叶面积指数有不同的定义和解释，如植物叶片总面积与土地面积的比值，单位面积上 植物叶片的垂直投影面积总和等［３］ 。Ｃｈｅｎ等［４］将 ＬＡＩ定义为单位地面面积上所有叶片表面积的一 半。叶面积指数是一个无量纲度量的参数，其大小与植被种类、生长期、叶片倾角、叶簇和非叶生物量等因素有关，还受叶面积指数定义和测定方法的影响。叶面积指数作为进行植物群体和群落生长分析的重要参数，已在农业、果树业、林业、生物学及生态 学等领域得到广泛应用［ ５］ 。直接测量ＬＡＩ是经典、成熟、相对精度较高的方法，也是间接测定的重要校正方法。其缺点是对植物本身具有一定破坏性，必须人工采集叶子样品，耗时耗力，劳动强度比较大，而且采样不一定具有代表性，仅在有限的小范围内适用，而大面积实测ＬＡＩ还没有得到很好的解决，可作为间接方法的有效 验证［ ３，６－ ８］。间接方法是用一些测量参数或用光学仪器得到叶面积指数，测量方便快捷，如ＳｕｎＳｃａｎ、ＬｉＣｏｒ ＬＡＩ－ ２０００、ＤＥＭＯＮ和ＴＲＡＣ［９］ ，但仍需要用直接方法所得结果进行校正［１０］ 。随着对ＬＡＩ空间模式 兴趣的增长及科学研究的需要，实地测量ＬＡＩ不仅需要高昂的费用和大量的时间，而且在偏远地区一般是行不通的，而用遥感数据估算ＬＡＩ成为最有吸 引力的方法［９－ １０］，并且卫星遥感数据为大区域研究ＬＡＩ提供了最有效途径［２，９］ 。目前国内外开展了诸 多遥感估算ＬＡＩ的例子。徐全芝等［１２］ 利用ＴＭ数据对黑河流域进行叶面积指数制图，蒙继华等［１３］利 用大尺度的遥感模型估算全国作物ＬＡＩ分布， 并应第２７卷 第５期２０１２年１０月 遥 感 技 术 与 应 用 ＲＥＭＯＴＥ ＳＥＮＳＩＮＧ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＡＰＰＬＩＣＡＴＩＯＮ Ｖｏｌ．２７ Ｎｏ．５ Ｏｃｔ．２０１２