基于遥感数据的净月潭公园植被冠层叶片含水率反演
基于Hyperion高光谱数据的植被冠层含水量反演
范 围获取植被含水量信息提供有效方 法。
关键词 Ｈｙ ｐ ｅ ｒ ｉ ｏ ｎ ； Ｐ Ｒ ＯＳ ＡＩ Ｌ模型 ；一阶导数 ； 植被冠层含水量
文献标识码 ： Ａ Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ４ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ０ ５ ９ ３ （ ２ ０ １ ３ ） １ ０ — ２ ８ ３ ３ — ０ ５
（ 图 １ ） 。
由于物理意义明确 ， 综 合考 虑 了叶片、冠层 、土壤和 观测 几
何 角度等因素 ， 相对 于单一 的光谱指数 ， 能 够获得更 高 的反 演 精度 ， 从 而被广 泛应 用于冠层生化 参数反 演 中Ｌ ４ Ｊ 。目前 广
１ ． ２ 卫星数据
泛应用于反演冠层含水量 的物理模 型是基 于辐射 传输 方程的 叶片与冠层耦合模型 Ｐ Ｒ ０ｓ Ａ Ｉ Ｉ ［ ５ ］ 。如 Ｃ ｌ ｅ ｖ ｅ ｒ ｓ 等基于地 面站 点 ＡＳ Ｄ地 物 光谱 仪 数据 ，研 究 了冠 层含 水 量 的 反演Ｌ ６ ’ ７ １ ；
黑 河流域是 我国西北 地区第 二大内陆流域 ，位于河西走
廊 中部 ， 为甘蒙西部最大 的内陆河流域 。 ２ ０ ０ ８ 年 夏季在黑河
流域中游开展了干旱区水文试验 ， 本文选择盈科 绿洲加密观
测 区 作 为 研 究 区 ，其 位 于 盈 科 灌 区 绿 洲 站 自动 气 象 站 （ １ ０ ０ ． ４ ２ Ｅ， ３ ８ ． ８ ５ Ｎ） 周 边 ，植 被类 型 主要 为 玉米 和小 麦 Ｌ ９ ］
利用连续统去除方法遥感反演冠层水分含量的比较研究
关键词： 遥感； 冠层水分含量 ； 连续统去除 ； ห้องสมุดไป่ตู้光谱
１ 遥 感 反 演 冠层 水 分含 量 的原 理
为 了量 化水 分含 量 ， 叶 水平 ， 在 叶水 分 含量 叫等 效 水 厚 度 （ＷＴ ， 具 体 定 义 为 植 物 叶含 水 量 （ Ｅ ）其 鲜 重 与干重 之差 ） 与叶 的表 面积 之 比值 ， 单位 为克 每平 方厘 米 （－ｃ － ， 数 学表 达式 为 ：ＷＴ Ｆ ＤＷ ｇ ￣其 ｋｍ ） Ｅ ＝ Ｗ－
利用连续统去 除方 法遥感反演冠层水分含量 的 比较研 究
林
摘
波 ，杨 玉静
（ 平 市 气 象局 ， 西 桂 平 ５７ ０ ） 桂 广 ３ ２ ０
要： 用连续统去除的技术方法来处理冬小麦的高光谱数 据 。 用其参量来与冠层水分含量进行相 关性分析并建立 回
归反演模型 ， 最后对模型进行检验 。比较不 同吸收峰的不同参量与冠层水分含量 的相关性 ； 比不同的反演模型 ， 出 对 得
感 。定 量化 观测 和提取 冠层 水 分含 量 的精度 不仅 仅
是成为可能 ， 精度也越来越高。当进行遥感观测时， 应当要考虑到大气 中存在水汽在红外波段也会有很
（ ＷＴ 之间 的单 位转 换 ： ＷＣ Ｌ ＩＥ （） Ｅ ） Ｃ ＝ Ａ ｘ ＷＴ ２ 另外 一 种计算 冠层 水分含 量 是取 鲜重 （ｗ ） ｔ 和干 重 （ Ｗ ） － Ｄ 之
差 ： ＷＣ Ｆ ＤＷ（ ） Ｃ ＝ Ｗ－ ３
每一种 物质对 不 同波 长 的 电磁 波 的吸 收和反 射
分 的强 吸 收波段 ， 以用来 诊 断植 物 的含水量 。 来 可 后 的研 究 也表 明 由于冠 层 液 态水 的 Ｏ Ｈ化 学 键 光 谱 — 特 性 ，引起 的水 分 吸 收 特 征 ：在 ９ ０ ｍ、 ２ ０ ｌ、 ７ ｎ １ ０ ｎｎ
光学和微波遥感数据联合反演植被覆盖表层土壤含水率
2024年1月灌溉排水学报第43卷第1期Jan.2024Journal of Irrigation and Drainage No.1Vol.4345文章编号：1672-3317（2024）01-0045-07光学和微波遥感数据联合反演植被覆盖表层土壤含水率周美玲1，张德宁2，王浩3，魏征4*，林人财4（1.江西省水投江河信息技术有限公司，南昌330029；2.德州市潘庄灌区运行维护中心，山东德州253000；3.中国电建集团昆明勘测设计研究院有限公司，昆明650051；4.中国水利水电科学研究院，北京100038）摘要：【目的】探究Vertical-Vertical （VV ）、Vertical-Horizontal （VH ）极化及双极化方式对微波遥感反演表层0~10cm 土壤含水率影响，分析不同数据源（Landsat-8,L8;Sentinel-2,S2）得到的归一化植被指数（NDVI ）、归一化水体指数（NDWI ）对表层土壤含水率遥感反演精度的影响。
【方法】基于VV 、VH 单一极化和双极化模式，结合S2和L8计算的NDVI 与NDWI 估算植被含水率（VWC ），消除植被对土壤的后向散射影响，得到土壤后向散射系数，基于水云模型反演北京市大兴区表层土壤含水率。
【结果】对于VV 极化，VV+S2NDWI 反演0~10cm 土层的土壤含水率精度最高（R 2=0.763，RMSE =1.55%）；对于VH 极化，VH+S2NDVI 反演的0~10cm 土层的土壤含水率精度最高（R 2=0.622，RMSE =1.66%）；对于双极化，Dual-Polarized （DP ）+S2NDVI 反演的0~10cm 土层的土壤含水率精度最高（R 2=0.895，RMSE =0.89%）。
【结论】NDVI 更适用于去除水云模型中的植被影响，且双极化方式反演0~10cm 土层的土壤含水率精度较高。
关键词：含水率；Sentinel-1；双极化；多源遥感；NDVI ；NDWI 中图分类号：S161文献标志码：Adoi ：10.13522/ki.ggps.2023312OSID ：周美玲,张德宁,王浩,等.光学和微波遥感数据联合反演植被覆盖表层土壤含水率[J].灌溉排水学报,2024,43(1):45-51.ZHOU Meiling,ZHANG Dening,WANG Hao,et al.Inversion of surface soil moisture under vegetated areas based on optical and microwave remote sensing data[J].Journal of Irrigation and Drainage,2024,43(1):45-51.0引言【研究意义】表层土壤含水率在能量平衡、气候变化和陆地水循环中扮演着重要角色，是作物生长发育、产量估算、水资源管理、气候变化等研究领域的关键指标[1]。
植被含水量的遥感反演方式
Chen等在用Landsat数据反演含水量时发现短波红外位于1550～1750nm波段较佳,并且发现1640nm、2130nm波段处对水分的吸收很敏感。 在研究EWT和FMC的关系时发现,对于桉树叶,其近红外波段反射光谱与FMC有很好的相关性,而短波红外波段的反射光谱与EWT高度相关。 其中C为生化组分含量,N为入选的波段数,α0、αi分别为回归常数和第i个回归系数,D(λi)为入选的波段光谱值。 Penuelas等也发现用近红外波段的一阶导数的最小值或其所在的波长能清楚地指示RWC状况的变化。
2:水分的敏感光谱波段
大量的研究表明植被水分对热红外波段 (6. 0～15. 0μm)、近 红外(700～1300nm)和短波红外(1300～3000nm)波段比较敏感。
自1963年提出以冠层温度指示植被水分亏缺以来,冠层温度法 成为诊断作物水分状况的一个重要手段。
30多年来,有关科学家相继提出了参考温度法、胁迫积温法、 作物缺水指标法以及水分亏指数法等,并在田间以及区域尺度上展 开了大量的应用研究。
植被含水量的定义
• 常用含水量表示方法有三种:
• 叶片含水量FMC( Fuel Moisture Content )
• 相 对 含 水 量RWC( Relative Water Content )
• 等效水深EWT ( Equivalent Water Thickness)
• FMC =(FW-DW)/(FW or DW) ×100 %
1:植被含水量光谱反演原理
• 每一种物质对不同波长的电磁波的吸收和反射都不同,物质的这种 对不同波段光谱的响应特性叫光谱特性。植被光谱诊断便是基于 植被的光谱特性来进行的。
植被覆盖度遥感反演研究
植被覆盖度遥感反演研究植被覆盖度是指一定面积内植被所占的比例，是评估地表生态环境和气候变化的重要指标。
传统的植被调查方法需要大量的人力物力，且成本高，限制了其应用范围。
遥感技术的出现，使得基于遥感数据的植被覆盖度反演成为可能，为生态环境和气候变化研究提供了重要的手段。
本文将探讨植被覆盖度遥感反演研究的方法和应用。
植被覆盖度遥感反演的方法有多种，如高光谱遥感反演、主成分分析遥感反演、归一化差值植被指数（NDVI）反演等。
其中，NDVI方法是应用最广泛的一种方法。
NDVI在可见光和近红外波段反映植被叶绿素含量和植被覆盖度。
植被叶绿素是光合作用中的重要成分，当植被覆盖度增加时，植被叶绿素含量也会增加，因此NDVI值也会增加。
NDVI方法的反演准确性较高，适用于不同尺度和时间尺度的研究。
植被覆盖度遥感反演的应用涵盖环境生态、农业生产、荒漠化治理、城市化规划等多个领域。
以生态环境为例，植被覆盖度是评估生态环境质量和植被类型特征的重要指标。
借助遥感技术，可以实现对大范围、多时段的植被覆盖度监测和评估，为自然保护和生态修复提供科学依据。
在荒漠化治理方面，植被覆盖度反演可以为荒漠化治理提供地面覆盖度和植被生产力等信息，进而指导荒漠化治理和生态恢复。
在农业生产方面，植被覆盖度反演可以为农业生产提供田间植被信息，提高农作物生产的效率，促进可持续农业发展。
除此之外，植被覆盖度遥感反演还具有大数据分析能力和智能化应用的发展潜力。
随着遥感数据分辨率的不断提高和信息获取能力的增强，植被覆盖度反演将更加精准。
同时，基于机器学习和人工智能算法的植被覆盖度反演也在逐步发展，将开拓更广阔的应用空间。
例如，能够自动识别植被类型、提升遥感图像解译精度、辅助研究广泛分布的植被样地等。
虽然植被覆盖度遥感反演技术已经相对成熟，但在实际应用过程中还存在一些挑战。
首先，植被覆盖度遥感反演需要考虑到地表物体的光谱响应与大气辐射影响，因此需要进行大气校正等数据预处理。
植被叶片含水量反演的精度及敏感性
植被叶片含水量反演的精度及敏感性陈小平;王树东;张立福;姜海玲【摘要】Spectral index method was widely applied in drought prehensive use of multi-sensor data needs to be taken to improve precision and timeliness of drought detection.The effect of bandwidth on retrieval of leaf water content by spectral indices (including vegetation water indices and vegetation indices)was evaluated in order to monitor leaf water content from multiple remote sensing data.13 vegetation water indices and 10 vegetation indices were analyzed and compared based on data simulated by radiation transfer model PROSPECT.The results showed that both indices had good correlation with leaf water content in leaf scale (average correlation coefficientsquare:0.983,0.917).Then,sensitivity of indices to variations of leaf water content and bandwidth was analyzed and compared,and the results showed that vegetation water indices were sensitive to leaf water content variations and comparatively insensitive to bandwidth variations (except plant water index),while vegetation indices had low correlation with leaf water content and were strongly affected by bandwidthvariation.Therefore,vegetation water indices instead of vegetation indices should be chosen in estimating leaf water content in leaf scale.The impact of bandwidth should be considered when choosing vegetation indices from multiple satellite data.Among 13 selected vegetation water indices,NDII and GVMI were proved to be most sensitive to leaf watercontent and most sensor-independent.%针对利用多源遥感数据监测旱情变化需要研究波段宽差异对指数的影响，而目前缺乏相关对比研究这一问题，该文基于叶片辐射传输模型，选用已广泛应用的光谱指数（包括植被指数与植被水分指数），通过对比研究筛选出反演精度高、对叶片含水量变化敏感、受波段宽变化影响小（适合应用于多源遥感数据）的指数。
植被含水量的遥感反演方式
总结
统计模型相对比较简单,适用性强,在地面实况不清或遥感信号产生机理过于复 杂的情况下,是一种很好的工具来暂时回避困难,留待以后继续研究。 但是随着地面知识的积累和遥感观测波段的增加,统计模型的这一优势逐渐减弱。 并且当这些方法从实验室状态推广到室外冠层遥感数据的时候,就出现了大量的干扰 因素,包括不同的照明强度和角度、观测状态、冠层结构、下覆地表和大气状态等。 到目前为止,发展新的光谱指数仍然是一个活跃的研究领域,但是不论是经验或 半经验统计方法都缺乏鲁棒性和可移植性。可能在某些地点和时间,某种方法或指数 能够取得很好的效果,但事异时移,它们很可能就不适用了,因此人们逐渐考虑利用物 理模型反演得到植物的组分含量。
在使用PROSPECT 模型时考虑了三种生化组分:叶绿素,水分,干物质。其中干物 质代表纤维素、半纤维素、木质素、蛋白质、淀粉等,这些物质或者因其在叶片 内的含量极其微量,或者由于它们的吸收作用非常微弱,很难将他们的作用单独表 示出来,因此采用了总的干物质来表达这些物质的综合作用。PROSPECT 模型 是目前公认的叶片尺度最好的辐射传输模型之一,其输入参数只有4 个,为反演带 来了很大的方便。在这4个输入参数中,只有叶肉结构参数n 的确定无法通过测量
• 例如Penuelas等发现用水分指数WI(WI=R970/R900)能清楚地指示水分状况的变化.
• Penuelas和Inoue在随后的研究中还表明WI(WI=R900/R970)与NDVI(NDVI=(R900R680)/(R900+R680))的比值WI/NDVI不仅可以用来预测叶片的水分含量,还可以用来预 测植株或冠层的含水量,且显著提高了预测的精度.
物理模型方法：
叶片光学模型基于生物物理机制,通过描述光子在叶片内的散 射和吸收,模拟叶片的光谱特性,其前向过程通常都包含生化组分含 量,这些参数通常无法获得解析表达式,但是可以通过反向反演得到 。进一步可以将叶片模型耦合到冠层模型中,就可以利用冠层光谱 数据反演得到组分含量。由于物理模型解释了光与叶片物质的作 用机制,原理清楚,加之在模型的初始假设范围内,不受限于时间地点 等因素,因此成为植被生化组分参数提取研究的又一个方向。 目前应用于反演植被含水量的物理模型主要考虑基于辐射传 输方程的叶片光学模型PROSPECT 和冠层模型SAIL 及其耦合模 型。
植被覆盖地表土壤水分遥感反演
植被覆盖地表土壤水分遥感反演一、概述植被覆盖地表土壤水分遥感反演是当前遥感科学与农业科学交叉领域的重要研究方向。
随着遥感技术的不断进步，利用遥感手段对植被覆盖地表下的土壤水分进行反演，已经成为监测土壤水分动态变化的有效手段。
本文旨在深入探讨植被覆盖地表土壤水分遥感反演的基本原理、方法进展及实际应用，以期为相关领域的研究和实践提供有益的参考。
植被覆盖地表土壤水分遥感反演的基本原理在于，通过遥感传感器获取地表植被和土壤的综合信息，进而利用特定的反演算法提取出土壤水分含量。
这一过程中，植被覆盖对遥感信号的影响不可忽视，如何有效去除植被覆盖的影响，成为植被覆盖地表土壤水分遥感反演的关键问题。
在方法进展方面，近年来国内外学者提出了多种植被覆盖地表土壤水分遥感反演方法，包括基于植被指数的反演方法、基于热惯量的反演方法、基于微波遥感的反演方法等。
这些方法各有特点，适用于不同的研究区域和植被类型。
随着深度学习等人工智能技术的快速发展，其在植被覆盖地表土壤水分遥感反演中的应用也逐渐受到关注。
在实际应用方面，植被覆盖地表土壤水分遥感反演在农业、生态、环境等领域具有广泛的应用前景。
通过实时监测土壤水分状况，可以为农业生产提供科学的灌溉指导，提高水资源的利用效率也可以为生态环境监测和评估提供重要的数据支持，有助于维护生态平衡和可持续发展。
植被覆盖地表土壤水分遥感反演是一项具有重要意义的研究工作。
随着遥感技术的不断进步和反演算法的不断优化，相信这一领域的研究将会取得更加丰硕的成果。
1. 背景介绍：植被覆盖地表土壤水分的重要性及其在农业、生态和环境监测中的应用。
植被覆盖地表的土壤水分是地球水循环的重要组成部分，它直接影响着植被的生长和生态系统的平衡。
在农业领域，土壤水分是作物生长的关键因素之一，其含量和分布直接影响着作物的产量和品质。
准确获取植被覆盖地表的土壤水分信息，对于指导农业生产、优化水资源管理具有重要意义。
在生态方面，土壤水分与植被覆盖度之间存在着密切的相互作用关系。