基于垂直观测的植被冠层高光谱偏振反射特性研究_吕云峰
国科大 植被遥感 期末复习总结
植被遥感期末复习总结垂直结构：激光雷达植被水平：高分辨率光学遥感物候特征：时序卫星遥感一、植被生理生态基础(P1)1.能量平衡各环节中，植被生态系统的作用：①冠层反射率是地球系统辐射强迫的直接驱动要素；植被覆盖变化改变能量平衡②蒸散（ET）以潜热方式降低地表温度2.植被覆盖与气候变化：①仅考虑短波辐射形式地表反照率（albedo）：∵植被反照率＜裸地albedo∴植被减少，地表反射能量↑，地表温度↓②考虑albedo与ET综合贡献：a.低纬度地区：ET潜热贡献大（甚至大于显热H），ET减少，植被减少，地表温度↑b.高纬度地区：albedo增加导致的辐射强迫变化大于ET减小的增温作用，植被减少，地表温度↓*潜热：地球储存热量ET：影响地表能量辐射3.GPP：总初级生产力NPP：净初级生产力NPP=GPP-Ra（植物自养呼吸）NEP：净生态系统生产力NEP=NPP-Rh（异样呼吸）or NEP=GPP-（Ra+Rh）NEE：净生态系统碳交换量NEE=-NEPNBP：净生物群系生产力NBP=NEP-非呼吸消耗的扰动量CO2通量往往与NEP相等，当植被繁茂时也可近似看做NPPGPP (gross primary productivity) 总初级生产力.单位时间内生物通过光合作用途径所固定的光合产物量或有机碳总量,又称总第一性生产力NEP (net ecosystem productivity) 净生态系统生产力：指净第一生产力中再减去异养呼吸所消耗的光合产物碳通过陆地生态系统循环。
NEP=NPP-异养呼吸NPP (net primary productivity) 净初级生产力植物光合作用所固定的光合产物中扣除植物自身的呼吸消耗部分,也称第一性生产力NPP=GPP-植物自养呼吸NEP (net ecosystem productivity) 净生态系统生产力,指净第一生产力中再减去异养呼吸所消耗的光合产物NEP=NPP-异养呼吸NEE (net ecosystem exchange ) 净生态系统碳交换量陆地与大气系统间的CO2通量与生态系统的GPP,NPP,NEP,NBP,在某些假定条件下所观测的CO2通量与其中的某个概念是一致的.一般与NEP 相同,当植被相当繁茂,土壤呼吸相对较小时,可以近似看作为生态系统的NPP.RP =呼吸的植物RH =呼吸异养生物的RD =呼吸的分解者（微生物）4.物质循环：H2O、C、N（光合、呼吸）*C循环带动其他物质循环。
利用高光谱技术反演作物叶绿素浓度
利用高光谱技术反演作物叶绿素浓度第一篇：利用高光谱技术反演作物叶绿素浓度利用高光谱技术反演作物叶绿素浓度摘要：高光谱技术作为一种新兴光谱技术，被广泛应用于植物的无损检测中，植被叶片叶绿素含量的估测就是其中之一。
利用可见-近红外成像光谱仪采集不同生育期玉米和大豆的冠层“图谱”数据，在逐步提取影像中光照土壤、阴影土壤、光照植被、阴影植被四种组分光谱的基础上，通过选取的敏感波段构建光谱植被指数和叶绿素密度进行波段自相关分析，探讨各个分量对作物叶绿素密度反演的影响。
关键词：高光谱技术；叶绿素；反演0 引言植物通过光合作用获取营养物质，在植物光合作用中，植物细胞中的叶绿体占据了重要的地位，而叶绿体中的色素有叶绿素（叶绿素a，叶绿素b 和叶绿素a+b）与类胡萝卜素（胡萝卜素和叶黄素）。
其中，叶绿素是植物光合作用中最重要的色素，其作为主要吸收光能的物质，直接影响植物光合作用的光能利用率。
叶片单位面积的叶绿素含量是植物总体生长状况的一个重要指标。
叶片叶绿素含量的测定可以用来检测和研究植物突变、压力和营养状态，作物压力和萎黄病的检测对精细农业具有重要的潜在影响[1]。
随着光谱技术的发展，其被应用到各个领域。
而高光谱技术作为光谱技术的一种，由于具有众多优点，在光谱检测方面应用十分广泛，备受人们的青睐。
人类肉眼的视觉范围在380~780 nm 之间，而高光谱的波段非常宽，一些高光谱仪器的波段达350~2 500 nm。
因此，通过高光谱技术可以对绿色植物进行叶绿素的检测和定量分析。
本文对高光谱技术在植物，特别是在经济作物的叶绿素含量检测和定量分析中的应用加以概述[2]。
成像系统简介及数据处理1.1 高光谱成像技术简介高光谱成像技术是在多光谱成像的基础上发展而来的，在较宽的波段范围内，利用成像光谱仪对目标物体进行连续成像，从而获得每个像元的数十或数百条光谱信息。
其成像特点是：光谱范围广（200~2 500nm）、超多波段（上百个波段）、高的高光谱分辨率（几个nm）、波段窄（≤10-2λ）和图谱合一等。
基于GoogleEarthEngine的黄土高原植被覆盖度时空变化特征分析
第31卷第1期2024年2月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .31,N o .1F e b .,2024收稿日期:2022-06-08 修回日期:2022-09-20资助项目:国家自然科学基金项目(51779099,51779209,51909099);国家重点研发计划项目(2016Y F C 0402400) 第一作者:姚楠(1997 ),男,安徽阜阳人,硕士研究生,主要从事生态环境遥感研究㊂E -m a i l :y n h p u 97@163.c o m 通信作者:董国涛(1982 ),男,山东青州人,博士,正高级工程师,主要从事水文遥感研究㊂E -m a i l :d o n g g u o t a o @h h g l j .y r c c .go v .c n h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2024.01.045.姚楠,董国涛,薛华柱.基于G o o g l e E a r t h E n gi n e 的黄土高原植被覆盖度时空变化特征分析[J ].水土保持研究,2024,31(1):260-268.Y a oN a n ,D o n g G u o t a o ,X u eH u a z h u .A n a l y s i s o n t h eC h a r a c t e r i s t i c s o f t h e S p a t i o t e m p o r a l C h a n g e i nV e g e t a t i o nC o v e r a g e o n t h eL o e s sP l a t e a u U s i n g t h eG o o g l eE a r t hE n gi n e [J ].R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o n ,2024,31(1):260-268.基于G o o g l e E a r t h E n gi n e 的黄土高原植被覆盖度时空变化特征分析姚楠1,2,董国涛2,3,薛华柱1(1.河南理工大学测绘与国土信息工程学院,河南焦作454000;2.黄河水利委员会黄河水利科学研究院,郑州450003;3.黑河水资源与生态保护研究中心,兰州730030)摘 要:[目的]探究黄土高原植被覆盖度变化的时空特征,揭示植被对气候因子变化的时滞效应,进而为地区生态保护与高质量发展提供数据支撑㊂[方法]基于2001年至2020年的黄土高原地区N D V I 数据㊁气温和降水数据,利用像元二分法㊁一元线性回归和时滞偏相关分析等方法,开展地区植被与气候因子变化关系的研究㊂[结果]过去20年间,黄土高原植被覆盖度以0.076/10a 的速率增加,在空间上主要呈现极显著增加,但占总面积38.29%的区域植被覆盖变化波动较大㊂黄土高原月植被覆盖度与气温和降水呈现显著正相关关系,其中降水是影响植被变化的主要因素㊂植被对降水的响应滞后时间主要集中在3个月,而气温的滞后时间在空间上存在较大差异,东南部植被主要滞后0至1个月,而西北部植被主要滞后2至3个月㊂[结论]黄土高原植被变化主要受降水影响,20年间植被恢复情况良好,但变化波动较大,未来应继续生态保护工作进行巩固㊂关键词:植被覆盖度;G E E ;时滞相关;气候变化;黄土高原中图分类号:Q 948 文献标识码:A 文章编号:1005-3409(2024)01-0260-09A n a l y s i s o n t h eC h a r a c t e r i s t i c s o f t h e S p a t i o t e m p o r a l C h a n g e i nV e ge t a t i o n C o v e r a g e o n t h eL o e s sP l a t e a uU s i n g t h eG o o g l eE a r t hE n gi n e Y a oN a n 1,2,D o n g Gu o t a o 2,3,X u eH u a z h u 1(1.S c h o o l o f S u r v e y i n g a n dL a n dI n f o r m a t i o nE n g i n e e r i n g ,H e n a nP o l y t e c h n i cU n i v e r s i t y ,He n a n ,J i a o z u o 454000,C h i n a ;2.Y e l l o w R i v e rC o n s e r v a n c y C o mm i s s i o n ,Y e l l o w R i v e r I n s t i t u t e of H yd r a u l i cRe s e a r c h ,Z h e n g z h o u 450003,C h i n a ;3.H e i h eW a t e rR e s o u r c e s a n dE c o l o gi c a lP r o t e c t i o nR e s e a r c hC e n t e r ,L a n z h o u 730030,C h i n a )A b s t r a c t :[O b j e c t i v e ]T h i ss t u d y a i m st oe x p l o r et h ev e g e t a t i o nc o v e rc h a n g ea n di t sr e s po n s eo fc l i m a t e f a c t o r s f o r c o p i n g w i t h g l o b a l c l i m a t e c h a n g e a n d p r o m o t i n g t h e e c o l o g i c a l p r o t e c t i o n a n dh i g h -q u a l i t y d e v e l -o p m e n t o f t h eL o e s sP l a t e a u .[M e t h o d s ]B a s e do n N D V I ,t e m p e r a t u r ea n d p r e c i p i t a t i o nd a t ao f t h eL o e s s P l a t e a u f r o m2001t o 2020,p i x e l d i c h o t o m y ,l i n e a r r e g r e s s i o n a n d t i m e l a g p a r t i a l c o r r e l a t i o n a n a l y s i sm o d e l s w e r eu s e d t oc h a r a c t e r i z e t h ev e g e t a t i o nc o v e rc h a n g eo nt h eL o e s sP l a t e a ua n d i t sr e s po n s e m e c h a n i s mt o c l i m a t e f a c t o r s .[R e s u l t s ]T h ea n n u a lv e g e t a t i o nc o v e r a g e i nt h eL o e s sP l a t e a uh a di n c r e a s e da tar a t eo f 0.076/d e c a d e i n p a s t t w od e c a d e sw i t h a p r e d o m i n a n t l y s i g n i f i c a n t s p a t i a l d i s t r i b u t i o no f pr o n o u n c e d g r o w t h .T h e a r e a s o f v e g e t a t i o n c o v e r t h a t f l u c t u a t e d g r e a t l y ac c o u n t ed f o r 38.29%o f t h ew h o le a r e a .T h e r e l a t i o n -s h i p b e t w e e nm o n t h l y v e g e t a t i o n c o v e r ,t e m p e r a t u r e a n d p r e c i p i t a t i o no n t h eL o e s sP l a t e a uw a s s i g n if i c a n t l y p o s i t i v e c o r r e l a t i o n ,a n d p r e c i p i t a t i o nw a s t h em a i n f a c t o r a f f e c t i ng v e g e t a t i o n ch a n g e .T h e l a g ti m e o f v e ge -t a t i o n r e s p o n s e t o p r e c i p i t a t i o nw a sm a i n l y 3m o n t h s ,a n d t h e l a g t i m e of v eg e t a t i o n r e s p o n s e t o t e m pe r a t u r ee x i s t e d s p a t i a l d if f e r e n c e s b e t w e e n s o u t h e a s t(0~1m o n t h)a n d n o r t h w e s t(2~3m o n t h s).[C o n c l u s i o n]T h e v eg e t a t i o n ch a n g e si nt h eL o e s sP l a t e a u w e r e p r i m a r i l y i n f l u e n c e db yp r e c i p i t a t i o n.O v e r t h ec o u r s eo f20 y e a r s,t h e r eh a db e e n a f a v o r a b l e r e c o v e r y o f v e g e t a t i o n.H o w e v e r,t h e r ew e r e s i g n i f i c a n t f l u c t u a t i o n s i n t h i s c h a n g e.F u t u r e e f f o r t s s h o u l d c o n t i n u e t o f o c u s o n e c o l o g i c a l c o n s e r v a t i o nw o r k i n o r d e r t o e n s u r e t h e c o n s o l-i d a t i o no f t h e s e i m p r o v e m e n t s.K e y w o r d s:v e g e t a t i o n c o v e r a g e;G o o g l eE a r t hE n g i n e;l a g g e d c o r r e l a t i o n s;c l i m a t e c h a n g e;L o e s sP l a t e a u陆地生态系统对气候变化的响应是研究全球变化的重要内容,其中植被与气候变化间的联系是全球环境科学研究中最重要的问题之一[1]㊂植被作为陆地生态系统的重要组成部分,对保持水土流失㊁调节大气成分㊁维持气候稳定等生态系统各方面要素的平衡具有重要作用[2]㊂另一方面,植被是地球系统的主体,陆地生态系统对气候变化的响应必然在植被类型㊁数量或质量方面有所表现[3]㊂因此,植被各方面的变化能够一定程度上代表生态系统的整体状况,对植被生长情况的长时间序列动态监测不仅是研究区域生态变化的重要方法,而且能够间接反映气候变化[4]㊂植被覆盖度(F r a c t i o n o fV e g e t a t i o nC o v e r a g e,F V C)指植被冠层的垂直投影面积与土壤总面积之比,是反映地表植被的茂盛程度重要指标和描述生态系统状况的重要基础数据[5]㊂气候变化作为影响植被覆盖变化的主导因素,各种气候因子均与植被生长变化联系紧密,其中气温与降水的影响尤为重要[6]㊂在全球气候变暖㊁生态环境形势日益严峻的背景下,探究陆地生态系统中植被覆盖变化与气温㊁降水之间的关系,对维持生态平衡与保护环境稳定有着重要的意义㊂黄土高原地区是世界上水土流失最为严重的地区,也是我国水土保持与生态建设工作的重点地区[7]㊂植被作为生态工程建设工作的核心,能够通过林冠截流㊁林下草灌㊁枯枝落叶层的拦蓄以及根系对土壤的固结作用从而保持水土[8]㊂近年来,已有许多关于黄土高原植被覆盖度变化的时空规律及其对气候因子响应机制的研究㊂如张家政等[9]采用相关性分析的方法,基于相关系数结果分析了黄土高原地区气温和降水与不同季节植被覆盖度之间的相关程度;王逸男等[10]通过分析黄土高原植被覆盖度的空间迁移趋势和降水㊁气温间的相关关系,发现植被覆盖度和水热因素的变化整体上保持一致;李依璇等[11]通过计算植被覆盖度与气候因子的偏相关系数,发现黄土高原地区植被覆盖度与年降水量的相关性高于年平均气温㊂综上,已有研究大多集中于黄土高原同一时期植被覆盖度与气候因子的相关关系上,对气候因子影响的滞后效应涉及较少㊂本文基于M O D13A2数据和降水㊁气温数据,应用G E E云平台计算植被覆盖度㊁线性变化趋势及时滞偏相关系数等指数,分析过去20年黄土高原植被覆盖度的变化特征及其与气候因子在空间上的相关性和滞后效应㊂研究为科学认识黄土高原生态现状㊁开展后续生态保护提供数据支撑㊂1研究区概况黄土高原位于北纬32ʎ 41ʎ㊁东经107ʎ 114ʎ,跨越山西㊁内蒙古㊁河南㊁陕西㊁甘肃㊁宁夏和青海7个省(自治区),总面积达64.87万k m2,区域大部为黄土覆盖,土壤类型主要包括黄绵土㊁灰漠土㊁风沙土㊁栗钙土等,粉粒占黄土总量的50%㊂研究区地势总体上呈现西北高㊁东南低,区域内海拔差异较大,地貌类型丰富(图1A),其中山区㊁丘陵区㊁高塬区占2/3以上㊂该区属大陆性季风气候,春冬季寒冷干燥,夏秋季炎热多雨,多年平均气温3.6~14.6ħ,多年平均降水200~800m m㊂区域内以草原为主要土地覆盖类型,面积占比41.68%,耕地次之,占比为31.19%,森林和灌木林占比分别为9.02%与6.31%㊂属于城市和裸地的区域分别占比3.64%,6.76%,剩余地区则由水体覆盖(图1B)㊂2数据来源和研究方法2.1数据来源计算植被覆盖度所需的N D V I数据采用美国国家航空航天局(N A S A)提供的MO D13A2数据,该数据的时间分辨率为16d,空间分辨率为1000m㊂本次研究基于G E E平台筛选出2001 2020年M O D13A2数据,并采用最大值合成法得到逐年月的植被指数数据㊂降水与气温数据来源于时空三极环境大数据平台(h t t p:ʊp o l e s.t p d c.a c.c n/)2001 2020年的逐月降水量与平均气温数据集[12],空间分辨率为1000m㊂土地覆盖类型数据选用中国科学院资源环境科学数据中心(h t t p:ʊw w w.r e s d c.c n)提供的2015年中国土地利用现状遥感监测数据,空间分辨率为1000m,包括水田㊁旱地㊁森林㊁灌木㊁草原㊁水体㊁城市和裸地8种土地覆盖类型㊂非G E E平台集成的气象数据和土地覆盖类型数据经P y t h o n程序预处理后,上传至G E E云平台进行统一在线调用㊂162第1期姚楠等:基于G o o g l e E a r t h E n g i n e的黄土高原植被覆盖度时空变化特征分析注:A代表黄土高塬沟壑区,B代表黄土丘陵沟壑区,C代表沙地和沙漠区,D代表土石山区,E代表农灌区,F代表河谷平原区㊂图1黄土高原高程和土地覆盖类型空间分布F i g.1M a p o f s p a t i a l d i s t r i b u t i o no f e l e v a t i o na n d l a n d c o v e r t y p e s i n t h eL o e s sP l a t e a u2.2研究方法2.2.1 G o o g l eE a r t hE n g i n e云平台 G o o g l eE a r t hE n g i n e(G E E)云平台是由谷歌公司提供的对大量全球尺度地球科学资料进行在线可视化计算分析处理的平台,由支持多P B分析的数据目录和高性能的计算服务组成[13]㊂依托于海量的云存储数据和强大的计算能力,G E E在大规模植被变化分析中得到了广泛应用[14-15]㊂本次研究涉及20年来黄土高原植被覆盖度的计算和分析,研究范围广㊁时间跨度长,使用G E E云平台相较传统处理方式在硬件要求和处理速度方面更具优势㊂综上,本文将数据筛选㊁植被覆盖度计算及后续线性回归分析等过程均部署到G E E平台㊂2.2.2植被覆盖度的计算植被覆盖度与N D V I之间存在显著相关性,通常以建立两者间转换关系的方式直接提取植被覆盖度信息㊂本次研究采用像元二分法[16]计算植被覆盖度:F V C=N D V I-N D V I sN D V I v-N D V I s式中:F V C代表植被覆盖度;N D V I s代表无植被覆盖像元的N D V I值;N D V I v代表全植被覆盖像元的N D V I 值㊂无植被覆盖和全植被覆盖像元的理论值应分别接近0与1,但由于大气情况㊁植被类型等因素的影响,两者并非定值㊂本文以0.5%置信度截取N D V I的上下阈值分别近似代表N D V I v与N D V I s,以此为基础进行F V C的计算,并参考李晶等[17]的研究方法对计算结果进行分级:F V Cɤ10%的区域为低植被覆盖区域㊁10%< F V Cɤ35%,35%<F V Cɤ55%,55%<F V Cɤ75%㊁F V C>75%分别为中低㊁中㊁中高㊁高植被覆盖区域㊂2.2.3植被覆盖度的变化趋势分析本文采用一元线性回归方法,逐像元对黄土高原地区20年间年植被覆盖度变化进行分析,计算公式如下:s l o p e=ðn i=1(i-i)(F V C i-F V C)ðn i=1(i-i)2式中:s l o p e代表线性回归方程的斜率;n代表研究时间内包括的年数(本文的研究时间为2001 2020年, n=20);F V C i代表第i年的F V C影像;F V C代表多年F V C均值合成影像㊂当s l o p e>0时,表示植被覆盖度呈现增长趋势,反之说明呈现减少趋势㊂采用F检验判断一元线性回归的趋势显著性,统计量计算公式为:F=UQ/n-2式中:U代表回归平方和;Q代表误差平方和;n代表年数;U与Q的计算公式如下:U=ðni=1(y i-^y i)2,Q=ðn i=1(y i-^y i)2式中:y i代表第i年植被覆盖度的实际值;^y i代表第i 年植被覆盖度的回归值;y代表多年植被覆盖度的平均值㊂基于植被覆盖度的增减趋势与显著性检验结果,将植被覆盖度的变化情况分为以下5个等级:极显著减少(s l o p eɤ0,F>F0.99)㊁显著减少(s l o p eɤ0,F0.95<FɤF0.99)㊁基本稳定(FɤF0.95)㊁显著增加(s l o p e>0,F0.95< FɤF0.99)㊁极显著增加(s l o p e>0,F>F0.99)㊂2.2.4植被覆盖度的变异程度分析变异系数(C o-e f f i c i e n t o fV a r i a t i o n,C V)是描述时间序列中数据变异程度的统计量,本文通过逐像元计算2001 2020年黄土高原地区植被覆盖度的变异系数来描述其变化的波动程度㊂变异系数的计算公式如下:C V=ðn i=1(F V C i-F V C)2n-1/F V C式中:n代表研究年数;F V C i代表第i年的F V C影262水土保持研究第31卷像;F V C代表多年F V C平均值㊂本文根据C V的大小将其依次分为5个等级[18]:低波动变化(C Vɤ0.05)㊁相对较低波动变化(0.05<C Vɤ0.10)㊁中等波动变化(0.10<C Vɤ0.15)㊁相对较高波动变化(0.15<C Vɤ0.20)和高波动变化(C V>0.20)㊂2.2.5植被覆盖度与气候因子的时滞偏相关分析偏相关分析可以在消除其他变量影响的条件下,衡量某两个或多个变量之间的相关性㊂为量化降水与气温对植被覆盖度变化影响的滞后性,本文采用时滞偏相关分析法,在月尺度上计算植被覆盖度与平均气温㊁降水量在不同滞后时间下的偏相关系数㊂上述方法的基本流程为:计算全年植被覆盖度与前0~k月降水量(气温)之间的偏相关系数,经显著性检验后,分别将获取的两组偏相关系数进行最大值合成,并记录偏相关系数最大值对应的月份,用于分析研究区内植被覆盖度对降水变化的响应关系㊂植被覆盖度㊁降水和气温三者之间在不同时滞条件下相关系数的计算公式如下:R F P=ðn-k i=1(P i-P)(F i+k-F)ðn-k i=1(P i-P)2ðn-k i=1(F i+k-F)2R F T=ðn-k i=1(T i-T)(F i+k-F)ðn-k i=1(T i-T)2ðn-k i=1(F i+k-F)2R P T=ðn-k i=1(T i-T)(P i+k-P)ðn-k i=1(T i-T)2ðn-k i=1(P i+k-P)2式中R F P和R F T分别代表不同时滞条件下植被覆盖度与降水量㊁气温之间的相关系数;R P T代表不同时滞条件下气温与降水量之间的相关系数;n代表时间序列长度(本文研究时间段为全年,n=12);k代表滞后时间;F i,P i和T i分别代表第i月的植被覆盖度㊁降水量和气温影像;F,P和T分别代表植被覆盖度㊁降水量和气温影像序列的均值㊂根据三者间的相关系数,进一步计算即可得到植被覆盖度与降水量㊁植被覆盖度与气温之间的偏相关系数,计算公式如下:R F P_T=R F P-R F T㊃R P T(1-R F T2)(1-R P T2)R F T_P=R F T-R F P㊃R P T(1-R F P2)(1-R P T2)式中:R F P_T代表某一时滞条件下,消除了气温影响后植被覆盖度和降水量的偏相关系数;R F T_P代表某一时滞条件下,消除了降水量影响后植被覆盖度和气温的偏相关系数㊂采用t检验判断变量间偏相关系数的显著性,检验统计量的计算公式如下:t=R n-q-21-R2式中:R代表偏相关系数;n代表样本数;q代表阶数㊂已有研究表明[19],植被覆盖度对降水和气温响应的滞后时间通常在3个月内,本文计算黄土高原地区全年植被覆盖度与前0 3月降水量(气温)的偏相关系数,以此为基础分析研究区植被覆盖度与降水量(气温)的相关性及滞后性㊂3结果与分析3.1黄土高原气候因子的时空分布特征表1为不同地理分区年均气温和降水的平均值㊁变化率,图2为2001 2020年黄土高原地区平均气温和降水量的空间分布图,由表1和图2A可知,研究区多年平均降水112~930mm,在空间上呈现由东南向西北递减的趋势,东南土石山区㊁河谷平原区,及黄土高塬沟壑区的部分地带降水量较高,在600 mm以上;西北沙地沙漠区和农灌区年均降水量则不足400mm㊂由表1和图2B可知,黄土高原多年平均气温介于-13ʎ~16ħ间,空间分布整体上呈现南高北低的趋势;各地理分区之中,海拔较低的河谷平原区平均气温最高,海拔较高的黄土高塬沟壑区气温最低㊂根据表1中气温和降水的变化率可知,20年间黄土高原整体及各地理分区的降水量与气温均呈现增长趋势,但变化趋势均不显著㊂表1黄土高原不同地理分区多年气温和降水的平均值、变化率T a b l e1A v e r a g e v a l u e s a n d v a r i a t i o n r a t e s o f a n n u a lt e m p e r a t u r e a n d p r e c i p i t a t i o n i nd i f f e r e n t g e o g r a p h i c a lz o n e s o f t h eL o e s sP l a t e a u地理分区降水量平均值/mm变化率/(mm/10a)气温平均值/(ħ)变化率/(ħ/10a)研究区整体454.2025.648.490.11黄土高塬沟壑区498.0027.687.100.06农灌区252.7017.488.350.16沙地和沙漠区299.1416.838.300.13河谷平原区601.7525.0812.060.05黄土丘陵沟壑区465.7728.478.570.13土石山区506.5329.959.050.18注:*表示变化通过0.05显著性水平检验㊂3.2黄土高原植被覆盖度的空间分布图3为2001 2021年黄土高原多年平均植被覆盖度的空间分布图㊂由图3可知,研究区植被覆盖度存在明显空间差异,除农灌区的部分区域外,整体上362第1期姚楠等:基于G o o g l e E a r t h E n g i n e的黄土高原植被覆盖度时空变化特征分析呈现东南高㊁西北低,由低纬度向高纬度递减的趋势,这与黄土高原降水量的地带性有关:研究区降水量在空间上具有由东南向西北呈阶梯状递减的特点,降水量等值线沿东北 西南向延伸[20]㊂黄土高原位于半湿润地区向半干旱地区过渡的地带,降水量是植被覆盖变化的主要驱动因子,在降水量等值线两侧的植被覆盖度存在显著差异㊂黄土高原高㊁中高植被覆盖区域主要分布在研究区东南部,主要包括土石山区㊁河谷平原区和黄土高塬沟壑区等年均降水量在600m m以上的地区,面积占比分别为24.51%,28.49%;中植被覆盖区域主要分布在研究区中部的过渡地带,该区域年均降水量在400~600m m间,面积占比22.52%;中低㊁低植被覆盖区域集中分布在年均降水量400mm以下的农灌区与沙地沙漠区,面积占比分别为21.15%,3.33%㊂图2黄土高原多年平均气温和降水的空间分布F i g.2M a p o f s p a t i a l d i s t r i b u t i o no f a v e r a g e a n n u a l t e m p e r a t u r e a n d p r e c i p i t a t i o n i n t h eL o e s sP l a t e a u图3黄土高原多年平均植被覆盖度空间分布F i g.3M a p o f s p a t i a l d i s t r i b u t i o no f a v e r a g e v e g e t a t i o nc o v e r a g e i n t h eL o e s sP l a t e a uo v e rm u l t i p l e y e a r s3.3黄土高原植被覆盖年际变化及空间差异3.3.1植被覆盖度的年际变化2001 2020年黄土高原及各地理分区的年植被覆盖度变化趋势如图4所示,结果表明:黄土高原地区整体的年植被覆盖度呈现显著增加趋势(p<0.05),增速约为0.076/10a,研究区植被覆盖度均值由2001年的43.62%上升至2020年的62.83%,最低值为2001年的43.62%,最高值为2018年的63.56%㊂过去20年间各地理分区植被覆盖度均值介于14.62%~79.14%,且全部呈现显著增加趋势(p<0.05),其中黄土丘陵沟壑区增速最快,为0.11/10a,植被覆盖度由40.39%上升至65.72%;土石山区植被覆盖度增速最慢,仅为0.049/10a,植被覆盖度由59.57%上升至76.45%㊂图42001-2020年黄土高原及各地理分区植被覆盖度年际变化曲线F i g.4I n t e r a n n u a l v a r i a t i o n c u r v e s o f v e g e t a t i o n c o v e r a g e i n t h eL o e s s P l a t e a u a n d i t s g e o g r a p h i c a l z o n e s f r o m2001t o2020 3.3.2植被覆盖度变化趋势的空间分布图5为2001 2020年黄土高原地区植被覆盖度变化趋势和变异系数的空间分布图㊂由图5A可知,20年间研究区内植被覆盖度呈现极显著增加趋势的区域面积为38.62万k m2,占研究区总面积的59.53%;植被覆盖度显著增加的区域面积为7.84万k m2,占研究区总462水土保持研究第31卷面积的12.09%;植被覆盖度无显著变化的区域17.19万k m2,面积占比26.51%;植被覆盖度呈现极显著减少与显著减少的区域面积为1.22万k m2,集中分布在研究区东南部的河谷平原区,占比1.87%㊂由图5B可知:黄土高原不同地区的植被覆盖度变异系数存在明显差异,变异系数较小的区域集中在研究区东南部,较大的区域则集中在研究区西北部;植被覆盖度变化呈高波动(C V>0.2)的区域约占研究区总面积的38.29%,植被覆盖度等级以中㊁中低㊁低为主;变化波动相对较高(0.15<C Vɤ0.2)和变化波动适中(0.1<C Vɤ0.15)两类区域的面积占比分别为16.88%,16.52%,两者的植被覆盖度等级均以中㊁中高为主;波动相对较低(0.05<C Vɤ0.1)的区域面积占比为16.77%,植被覆盖度等级以中高㊁高为主;变化波动小(C Vɤ0.05)的区域面积占比11.54%,植被覆盖等级以高为主㊂图5黄土高原植被覆盖度变化趋势和变异系数F i g.5T r e n do f v e g e t a t i o n c o v e r a g e c h a n g e a n d c o e f f i c i e n t o f v a r i a t i o n i n t h eL o e s sP l a t e a u综上可知,2001 2020年黄土高原与各地理分区的年际植被覆盖均呈现显著增加趋势,其中黄土丘陵沟壑区的增速最快,土石山区的增速最慢;在空间分布上,植被覆盖显著增加区域面积远大于减少区域,研究区中部黄土丘陵沟壑区与黄土高塬沟壑区的增加趋势较为明显,而植被覆盖减少地区主要集中在东南土石山区与河谷平原区㊂这与已有黄土高原植被变化的研究结果一致[21],表明我国开展的退耕还林(草)等一系列生态建设工程取得了显著成效,研究区生态环境整体上有了明显改善;研究区东南部地区人口密集,随着经济增长与城镇化发展,该地区的植被覆盖度出现减少趋势㊂此外,本文关于植被覆盖变异程度的研究表明,黄土高原西北部地区植被覆盖的变异程度较高,植被覆盖度的变化趋势波动较大,植被能否维持现有状况仍存在不确定性㊂为巩固生态恢复工程成果,协调植被建设与环境状况,实现黄土高原从 增绿 到 稳绿 的跨越[22],需要进一步分析各类型因素与研究区植被覆盖变化的关系,加强生态工程建设,提高黄土高原生态环境在气候变化与人类活动等因素影响下的稳定性㊂3.4黄土高原植被覆盖度与气候因子的时滞偏相关分析3.4.1降水与植被覆盖度的时滞偏相关性降水和植被覆盖度的偏相关分析结果(图6A)表明,从空间分布的角度而言,黄土高原大部分地区的植被覆盖度和降水呈现高度正相关,最大偏相关系数介于0.6与1之间;仅1.71%区域植被覆盖度和降水间的偏相关系数未通过显著性检验㊂从滞后时间(图6B)的角度而言,除沙地和沙漠区有极小部分地区不存在滞后㊁河谷平原区和东南土石山区部分地区滞后时间为1~2个月外,约占研究区总面积95.87%的区域滞后时间为3个月㊂3.4.2气温与植被覆盖度的时滞偏相关性气温和植被覆盖度的偏相关分析结果(图7A)表明,占研究区总面积57.68%的区域植被覆盖度和气温呈高度正相关,偏相关系数介于0.6~1之间,主要分布在东南部地区;约占黄土高原42.32%的地区植被覆盖度和气温间相关性并不显著,主要分布在研究区西北部地区,东南土石山区和河谷平原区的部分区域㊂图7B 滞后时间的结果表明,植被覆盖度对气温变化响应的滞后时间在空间分布上存在明显差异,研究区东南部的滞后时间较短为0~1个月,而西北部地区的滞后时间较长,以2~3个月为主㊂综上可知,黄土高原研究区降水和气温与植被覆盖度的相关关系均以显著正相关为主,其中降水与植被覆盖度呈显著正相关的区域面积更大,相关程度更高,说明黄土高原地区植被生长与降水的关系更为密切㊂降水与气温是驱动植被覆盖变化的重要因素:降562第1期姚楠等:基于G o o g l e E a r t h E n g i n e的黄土高原植被覆盖度时空变化特征分析水可以增加土壤湿度,为植被的生长提供水分;气温代表到达植被的太阳辐射能强度,为植被的生长提供能量[23]㊂研究区植被覆盖度与气温㊁降水均以呈高度正相关的区域为主㊂除上述与气温降水均显著相关的区域外,研究区西北部多数地区植被覆盖与气温的相关程度较低,这可能是由于该地区降水较少,气温升高会促进植被的蒸腾作用,导致土壤湿度降低,进而影响植被的生长㊂此外,由于人为灌溉和收割作物的影响,研究区水田和旱地区域植被覆盖度与降水㊁气温的相关程度均较低㊂图6黄土高原月植被覆盖度与降水量的最大偏相关系数及对应滞后时间F i g.6M a x i m u ml a g g e d c o r r e l a t i o n c o e f f i c i e n t a n d t i m e l a g s b e t w e e nm o n t h l yv e g e t a t i o n c o v e r a g ew i t h p r e c i p i t a t i o n i n t h eL o e s sP l a t e a u图7黄土高原月植被覆盖度与气温的最大偏相关系数及对应滞后时间F i g.7M a x i m u ml a g g e d c o r r e l a t i o n c o e f f i c i e n t a n d t i m e l a g s b e t w e e nm o n t h l yv e g e t a t i o n c o v e r a g ew i t h t e m p e r a t u r e i n t h eL o e s sP l a t e a u另一方面,研究区植被覆盖度对气温变化响应的滞后时间在1个月以内,对降水变化响应的滞后时间接近3个月,这与解晗[24]和S u n[25]等的研究成果高度一致㊂降水滞后时间的空间分布差异较小,绝大多数地区植被对降水的滞后时间为3个月,仅研究区东南部及沙地和沙漠区北部部分地区例外㊂其中东南部旱地植被对降水变化响应的滞后时间为1~2个月,该地区以一年两熟或两年三熟作物为主要植被类型,月植被覆盖度的变化趋势与其他地区不同,此差异是造成该地区时滞性不同的可能原因㊂沙地和沙漠区北部与当月降水的相关程度较高,这是由于该地区植被覆盖度较低,只能保持降水在土壤表面,并且温度较高导致表层土壤水分易于蒸发,沙地和沙漠区的植被对降水的滞后效应较不明显㊂研究区气温滞后时间的空间分布差异较大,西北部植被对气温的滞后时间较长为2~3个月,东南部气温的滞后时间为0~1个月㊂研究区东南部降水充足且水分利用率高,植被对气温变化更为敏感,其中森林和灌木林植被对气温的响应多出现于当月,而该地区草原植被的滞后时间则更接近1个月㊂西北部地区温度较高,但662水土保持研究第31卷由于该区域温度和降水变化不同期[26],适合植被生长的水热条件通常伴随着降水增加出现,故该地区植被对气温变化响应的滞后时间较长㊂4结论(1)黄土高原地区植被覆盖度存在明显空间差异,整体上呈现西北低㊁东南高,由低纬度向高纬度递减的变化趋势㊂20年间黄土高原整体及各地理分区年际植被覆盖度均呈增加趋势㊂在空间上,黄土高原植被覆盖度呈增加趋势的区域面积占比71.62%,远大于减少区域(1.87%)与无明显变化区域(26.51%),但研究区内约38.29%的区域植被覆盖度变化波动较大,仍需继续开展生态保护与修复工作进行巩固㊂(2)黄土高原绝大多数地区植被和降水呈显著正相关,仅河谷平原区西部极少数区域与降水相关性不显著;而研究区植被与气温相关程度的空间差异较为明显,西北部草原和东南部旱地均有部分区域与气温相关性不显著㊂另一方面,黄土高原多数地区植被对降水的响应存在3个月的滞后,而对气温变化响应的时滞性则较不明显,多数地区滞后时间在1个月内㊂(3)黄土高原地区植被变化受人为活动影响较大,后续应进一步分析相关因素造成的影响;此外,本文分析了植被覆盖度在时间方面的变化特征,所使用的方法未涉及空间自相关分析,在未来的工作中应加入相关方法以进行更为全面的分析㊂参考文献:[1] C h u a i X W,H u a n g XJ,W a n g WJ,e t a l.N D V I,t e m p e r-a t u r e a n d p r e c i p i t a t i o nc h a n g e s a n d t h e i r r e l a t i o n s h i p sw i t hd i f fe r e n tv e g e t a t i o nt y p e s d u r i n g1998 2007i n I n n e rM o n g o l i a,C h i n a[J].I n t e r n a t i o n a l j o u r n a lo fc l i m a t o l o g y, 2013,33(7):1696-1706.[2]高思琦,董国涛,蒋晓辉,等.黄河源植被覆盖度变化及空间分布自然驱动力分析[J].生态环境学报,2022,31(3):429-439.G a oSQ,D o n g GT,J i a n g X H,e t a l.A n a l y s i s o f v e g-e t a t i o nc o v e r a g ec h a n g e sa n dn a t u r a ld r i v i n gf o r c e so fs p a t i a l d i s t r i b u t i o ni nt h es o u r c er e g i o no ft h e Y e l l o wR i v e r[J].E c o l o g y a n dE n v i r o n m e n t a l S c i e n c e s,2022,31(3):429-439.[3]刘宪锋,朱秀芳,潘耀忠,等.1982 2012年中国植被覆盖时空变化特征[J].生态学报,2015,35(16):5331-5342.L i uXF,Z h uXF,P a nYZ,e t a l.S p a t i o t e m p o r a l c h a n g e s i nv e g e t a t i o nc o v e r a g ei n C h i n ad u r i n g1982 2012[J].A c t aE c o l o g i c a S i n i c a,2015,35(16):5331-5342.[4] X i nZB,X u JX,Z h e n g W.S p a t i o t e m p o r a l v a r i a t i o n s o fv e g e t a t i o nc o v e ro nt h eC h i n e s eL o e s sP l a t e a u(19812006):I m p a c t s o f c l i m a t e c h a n g e s a n dh u m a na c t i v i t i e s[J].S c i e n c e i nC h i n a S e r i e sD:E a r t hS c i e n c e s,2008,51(1):67-78.[5]甘春英,王兮之,李保生,等.连江流域近18年来植被覆盖度变化分析[J].地理科学,2011,31(8):1019-1024.G a nCY,W a n g XZ,L i BS,e t a l.C h a n g e s o f v e g e t a-t i o n c o v e r a g e d u r i n g r e c e n t18y e a r s i nL i a n g J i a n g r i v e rw a t e r s h e d[J].S c i e n t i a G e o g r a p h i c a S i n i c a,2011,31(8):1019-1024.[6]聂桐,董国涛,蒋晓辉,等.延安地区植被覆盖度时空变化及驱动力[J].水土保持研究,2021,28(5):340-346.N i eT,D o n g G T,J i a n g X H,e ta l.S p a t i o t e m p o r a l v a r i a t i o na n d d r i v i n g f o r c e so fv e g e t a t i o nc o v e r a g ei nY a n'a na r e a[J].R e s e a r c ho fS o i l a n d W a t e rC o n s e r v a-t i o n,2021,28(5):340-346.[7] S u n W,S h a oQ,L i uJ,e t a l.A s s e s s i n g t h ee f f e c t so fl a n du s ea n dt o p o g r a p h y o ns o i le r o s i o no nt h eL o e s sP l a t e a u i nC h i n a[J].C a t e n a,2014,121:151-163. [8]刘斌,罗全华,常文哲,等.不同林草植被覆盖度的水土保持效益及适宜植被覆盖度[J].中国水土保持科学, 2008,6(6):68-73.L i uB,L u oQ H,C h a n g W Z,e t a l.R e l a t i o n s h i p b e t w e e np e r c e n t a g e o f v e g e t a t i v e c o v e r a n d s o i l e r o s i o n[J].S c i e n c e o f S o i l a n dW a t e r C o n s e r v a t i o n,2008,6(6):68-73. [9]张家政,李崇贵,王涛.黄土高原植被覆盖时空变化及原因[J].水土保持研究,2022,29(1):224-230,241.Z h a n g JZ,L i CG,W a n g.D y n a m i c c h a n g e so f v e g e t a-t i o n c o v e r a g eo nt h eL o e s sP l a t e a ua n di t sf a c t o r s[J].R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o n,2022,29(1): 224-230,241.[10]王逸男,孔祥兵,赵春敬,等.2000 2020年黄土高原植被覆盖度时空格局变化分析[J].水土保持学报,2022,36(03):130-137.W a n g YN,K o n g XB,Z h a oCJ,e t a l.C h a n g e o f v e g e t a-t i o n c o v e r a g e i n t h e L o e s s P l a t e a u f r o m2000t o2020a n d i t ss p a t i o t e m p o r a l p a t t e r n a n a l y s i s[J].J o u r n a lo f S o i la n dW a t e r C o n s e r v a t i o n,2022,36(3):130-137. [11]李依璇,朱清科,石若莹,等.2000 2018年黄土高原植被覆盖时空变化及影响因素[J].中国水土保持科学(中英文),2021,19(04):60-68.L iYX,Z h uQK,S h i RY,e t a l.S p a t i a l a n d t e m p o r a lc h a n g e so fv e g e t a t i o nc o v e ra nd i t s i n f l ue n c i n gf a c t o r si n t h eL o e s sP l a t e a u f r o m2000t o2018[J].S c i e n c eo fS o i l a n d W a t e rC o n s e r v a t i o n,2021,19(4):60-68. [12] P e n g S,D i n g Y,L i uW,e t a l.1k m m o n t h l y t e m p e r a-t u r e a n d p r e c i p i t a t i o nd a t a s e t f o rC h i n af r o m1901t o762第1期姚楠等:基于G o o g l e E a r t h E n g i n e的黄土高原植被覆盖度时空变化特征分析。
基于冠层反射光谱的冬小麦干物质积累量的估测研究
ｓ ａ ｎ ￣ ｍ ｓＯ ｔｏ ｏ ｒ Ｍａ ｔｒＡｃ ｍｎ ｌｔ ｎ ｉ ｍ ￣ｒＷ ｈ ａ ｎ ｐ ｆ ｃｅ ￣ ｅ ． ｉｎ ｆＤｒ ｔｅ ｃ ｕａｉ ｎ Ｗ ＇ ｅ ｅ ｔｂｙＣａ ｏ ｙ Ｒｅ ｅ ｔｄ ｓ ｍ ｎ ｏ ｌ
Ｙ Ｇ ＱｉｇＦ ｎ ｔ ｌ （ ｏ ｅｅｏ Ａ ｒｎｍ ， ｕｎｘ Ｕ ｉ ｒｔ， ａｎｎ ，…＿ 、 ３￣Ｊ 』 ＡＮ ｎ－ ｅｇｅ ａ Ｃ ｌｇ ｆ ｇｏｏ ｙＧ ａｇｉ ｎｖ ｓｙ Ｎｎ ｉｇ ： ｌ ｌ ３ ５ ｌ ｅｉ ｌ Ｘ ０ Ａ ｓａｔＩ ｂｅｔｅ１ １ ｔ ｙａ ｅ ｎｌｚ ｅＣＩｅ ｔ ｎｂｔｅｎｗ ｅｔ ｐｃ ａ ｃａａｔ ｉｉ ａｄｄｙｍ ｔｒ ｃｕ ｕａｏ ．Ｍｅ ｏ Ｊ ｈ ｅｓｉ ｂｔｃ Ｏ ｊｃｖ １１ ｓ ｄ ｉ ｄｔ ａａ ｅｔ Ｏ ｌ ｉ ｅｗ ｈａ ｓｅｔ ｌ ｈｒｃｅ ｓｃ ｎ ｒ ａｔ ｃｍ ｌｔｎ １ ｔ ｄ ｅｓｎｉｖ ｒ ｉ ｅ ｕ ｅ ｒ ｏ ｙ ｈ Ｔ ａｏ ｃ ｒ ｒ ｔ ｅａ ｉ ｈ １ ｔｅ
ｈ ｒｔ ｆ ｇｔｉｎｉ ｅ Ｒ Ｉ ．Ｒ ｓｉＩ ｔ ａｏｏ ｅｅａｏ ｄｘ（ Ｖ） １ ｅｕｔ 矸 ｓｅｔ ｌ ｅｅｔ ｃ ｆ ｈａ ｃ ｏｙｏ ０—７０ｎ ｌ ｄ１ ２ ｅ ｉ ｖ ｔ ｎ ｐｃ ａ ｒｆ ａ ｅｏ ｗ ｅｔ ａ ｐ ｆ ５ ｒ ｌ ｎ ｃ ｎ ３ ０ ｎ ４０一ｌ ２ ｍ ｅｆｗ ｒ ｇｐｎ ｄａｄ ｎ ａ ０ｎ ｉ ｔ ｏ ｅｉ ｅ‘ ｎ ５ ｎｈ ｌ ｎ ｏ
不同湿度的低植被覆盖土壤表面偏振特性研究
不同湿度的低植被覆盖土壤表面偏振特性研究张荞;孙晓兵;洪津【摘要】相对于传统的光谱探测,偏振探测能够提供更多的目标信息,比如,利用偏振探测手段解译材料表面的折射率、粗糙度等特性;也可用来反演土壤的湿度等.应用土壤表面反射光的偏振特性来反演土壤湿度,为定量反演土壤湿度提供一种新的方法,在农业、水文、气象和生态等领域中都有十分重要的意义.针对遥感中的一类混合像无难题,即低植被覆盖情况的土壤样品,通过实验测量,研究了样品表面偏振特性,进一步研究了样品表面偏振特性与土壤湿度的关系.结果表明,低植被覆盖土壤表面的偏振特性主要受裸土区域的影响,并与土壤湿度之间存在一种相关关系,例如,在本次实验中,当偏振度较小的光源以40°入射,且观测角处于20°～60°时,三种湿度土壤样品表面的偏振度与土壤湿度呈正比关系.进一步定鼍化这种相关关系将为反演低植被覆盖土壤湿度提供了一种新的途径.【期刊名称】《光谱学与光谱分析》【年(卷),期】2010(030)011【总页数】7页(P3086-3092)【关键词】低植被覆盖度;土壤湿度;偏振遥感;混合像元【作者】张荞;孙晓兵;洪津【作者单位】中国科学院安徽光学精密机械研究所,通用光学定标与表征技术重点实验室,安徽,合肥,230031;中国科学院安徽光学精密机械研究所,通用光学定标与表征技术重点实验室,安徽,合肥,230031;中国科学院安徽光学精密机械研究所,通用光学定标与表征技术重点实验室,安徽,合肥,230031【正文语种】中文【中图分类】TP79;O436.3近年来，偏振探测逐渐被应用于遥感中，形成一门新的遥感分支学科——偏振遥感。
国内外已经在这方面进行了探索，例如，法国空间研究中心分别于1996年，2002年和2004年将3个带有偏振探测功能的POLDER／PARASOL仪器送入了太空［1］，并将可见－近红外的反射偏振信息用在海色、气溶胶和地球辐射收支等研究中［2］。
基于高光谱数据提取作物冠层特征信息的研究进展晏四方
异，尤其以蓝光辐射(400~ 510 nm)差异最为显著。 （4）光能利用率与高光谱关系的研究：理论和实验都证明，植物冠层的光合有效辐 射与反射率有联系。遥感所得的APAR比LAI能更可靠地估计作物的生物量，因为作 物的光合作用过程直接把APAR(植物吸收的光合有效辐射)能量转换成干物质，因此 APAR是作物初级生产力的一个较好的指标。
4.展望
高光谱遥感作为一种新的遥感技术已经在NDVI, LAI、光合有效辐射等因子的估 算中以及在植被生物化学参数分析、植被生产量和作物单产估计、作物病虫害监测 等方面得到广泛的应用。
Wiegandetal首次把光谱观测与LAI联系了起来，叶面积指数难以直接通过遥感信息进 行反演。在此基础上，童庆禧等根据LAI与高光谱遥感图像植被因子之间的理论模型获取 了LAI：
式中C2=K2-β2,k为植被吸收系数，β为散射系数;，为归一化植被因子。
2.研究现状
（2）提取植被初级生产（NPP）与生物量的研究：冠层的理化特性在一定程度上 控制着森林的初级生产力(NPP)，比如叶面积和氮含量通过控制光合作用和传输速 率来影响NPP。
光谱匹配：将混合像元与光谱数据库光谱或与实验室、地面实测的参考光谱进行 光谱匹配可以直接识别地物成分。美国JPL最早发展了二值编码光谱匹配，已用于单 矿物的识别。Price选用45幅AVIRIS高光谱图像，在400~2500 nm波段范围内，通过 统计分析和与实验室测得的光谱进行匹配分析，找到了分别对地表水、雪、火、植 被和土壤较敏感的5个光谱波段460~540nm 、610~690nm 、990~1090nm、 1520~1610nm 、2080~2170nm，从而为通过AVIRIS等高光谱图像方便地识别上述 五种地表覆盖类型奠定了基础。
基于高光谱成像技术的辣椒叶片叶绿素含量估算
袁自然，叶 寅，武 际，等．基于高光谱成像技术的辣椒叶片叶绿素含量估算［Ｊ］．江苏农业科学，２０２１，４９（１６）：１８９－１９３．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２１．１６．０３５基于高光谱成像技术的辣椒叶片叶绿素含量估算袁自然１，叶 寅１，武 际１，方 凌２，陈晓芳１，杨 欣１（１．安徽省农业科学院土壤肥料研究所／养分循环与资源环境安徽省重点实验室，安徽合肥２３００３１；２．安徽省农业科学院园艺研究所，安徽合肥２３００３１） 摘要：叶绿素是植被光合作用的重要物质，能够间接反映植被的健康状况和光合能力。
高光谱技术的发展为大面积、快速检测植被叶绿素含量变化提供了可能。
选取１５０组不同生长期的辣椒叶片作为研究对象，分别采集辣椒叶片的高光谱图像和叶绿素含量。
利用随机森林特征选择算法进行数据筛选，结合线性回归、偏最小二乘回归、梯度提升回归树、随机森林回归等４种模型分别构建回归模型。
结果表明：（１）利用随机森林特征选择算法筛选后波段建立的模型决定系数（ｒ２）均大于０．８，说明该方法具有较高的稳定性和预测精度；（２）利用随机森林特征选择算法筛选的波段结合随机森林回归，其验证集的ｒ２为０．９、均方根误差（ＲＭＳＥ）为１．８７、平均绝对误差（ＭＡＥ）为１．４３。
可以较为准确地预测辣椒叶片叶绿素含量，为后期利用高光谱成像技术大面积检测辣椒的生长状况提供了理论依据。
关键词：高光谱成像；辣椒叶片；叶绿素含量；随机森林特征选择算法；回归模型 中图分类号：Ｓ１２７ 文献标志码：Ａ 文章编号：１００２－１３０２（２０２１）１６－０１８９－０４收稿日期：２０２０－１２－２９基金项目：国家重点研发计划（编号：２０１８ＹＦＤ０８００４０６）；安徽省农业科学院科研团队项目（编号：２０２０ＹＬ０６６）；安徽省科技创新园区示范项目（编号：２０１９０７ｄ０６０２００１１）。
作者简介：袁自然（１９９５—），男，安徽六安人，硕士，主要从事于农业遥感研究。
三因素及其交互作用对植物叶片多角度偏振高光谱特征的影响
三因素及其交互作用对植物叶片多角度偏振高光谱特征的影响韩阳;李潜;赵云升;Wang Yeqiao;陈春林;张莉莉【期刊名称】《红外与毫米波学报》【年(卷),期】2010(029)004【摘要】在反射、散射和透射电磁辐射的过程中,植物叶片表面将产生与它们自身性质有关的偏振特征,完全可以作为遥感信息中有价值的信息来源.多角度对地观测能获得更为详细可靠的地面目标三维空间结构参数,使定量遥感成为可能.对植物叶片的多角度偏振高光谱探测成为定量遥感中的一种新手段.在分析植被叶片的多角度偏振高光谱特征基础之上,设计了一个3因素2水平的正交试验.通过对实验数据的方差分析发现,偏振角、入射天顶角、叶绿素以及三个因素之间的交互作用都可以对植物叶片的偏振反射产生影响,偏振角和入射天顶角对植物叶片的影响特别显著,二者的交互作用也有显著的影响.因此在今后的研究中,既要考虑单因素本身对植被叶片的偏振反射的影响,还要考虑到交互作用所起到的影响.【总页数】5页(P316-320)【作者】韩阳;李潜;赵云升;Wang Yeqiao;陈春林;张莉莉【作者单位】东北师范大学,城市与环境科学学院,吉林,长春,130024;罗得岛州大学,自然资源科学系,美国,金斯敦,02881;东北师范大学,城市与环境科学学院,吉林,长春,130024;东北师范大学,国家环境保护湿地生态与植被恢复重点实验室,吉林,长春,130024;东北师范大学,城市与环境科学学院,吉林,长春,130024;罗得岛州大学,自然资源科学系,美国,金斯敦,02881;东北师范大学,城市与环境科学学院,吉林,长春,130024;吉林省国土资源勘测规划研究院,吉林,长春,130061【正文语种】中文【中图分类】TP72【相关文献】1.珠三角某垃圾焚烧厂周边植物叶片汞含量空间格局及影响因素 [J], 赵曦;李娟;黄艺;陆克定;肖朝明;肖遥2.叶片多角度偏振光谱特性影响因素的实验研究 [J], 孟夏;谢东辉;汪艳;贾颖芳;阎广建3.雪的偏振高光谱反射影响因素分析 [J], 孙仲秋;赵云升;阎国倩;宁艳玲;仲桂新4.森林土壤多角度高光谱偏振反射影响研究初探 [J], 韩阳;赵云升;赵乃卓;李潜;吕云峰5.福建梅花山51种常绿阔叶植物叶片寿命特征及其影响因素 [J], 田玉鹏;蔡永立;王宏伟;刘志国;丘云兴;陈兆凤因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第３ ３卷，第４期 光谱学与光谱分析Ｖｏｌ．３３，Ｎｏ．４，ｐｐ１０２８－１０３１
２ ０ １ ３年４月 Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ Ａｐｒｉｌ，２０１３
基于垂直观测的植被冠层高光谱偏振反射特性研究吕云峰长春师范学院城市与环境科学学院，吉林长春
１３００３２
摘 要
以玉米冠层为研究对象，首先利用偏振反射机理分析了玉米冠层的反射信息中存在偏振现象；随
后在抽穗前不同生长时期垂直观测方向对其高光谱偏振信息进行了测量，证明了理论推导，而且发现偏振光在总的反射光中所占的比例可达１０％
。这即表明了偏振测量可以为对地遥感提供辅助信息，同时也说明
利用偏振信息反演大气参数时应该考虑地表偏振对它的影响。
关键词
遥感；高光谱；偏振；植被冠层
中图分类号：ＴＰ７２ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１３）０４－１０２８－０４
收稿日期：２０１２－０８－２４，修订日期：２０１２－１０－２５
基金项目：国家自然科学基金项目（４１２０１３４３），吉林省科技厅青年科研基金项目（２０１１０１１０５），吉林省教育厅“十二五”项目（２０１２２２０）
和长
春师范学院自然科学基金项目（２０１００２４）
资助
作者简介：吕云峰，１９７７年生，长春师范学院城市与环境科学学院博士研究生 ｅ－ｍａｉｌ：ｑｉｎｇｓｏｎｇｗｅｂ＠１６３．ｃｏｍ
引 言
对地遥感技术中偏振测量已经可以反演地表参数提供额外且有效的辅助信息，同时也会对探测器获得的大气偏振特性有所影响［１］。早期的研究已经表明，可见光波段范围内的偏振测量可以用来估计植被冠层的粗糙度［２］。植被冠层的粗糙度可以从冠层延伸到叶片，因为冠层的粗糙度可以确定植物的生长方向，叶片粗糙度决定了植被冠层对光的偏振能力，同时，叶片越多产生偏振光机会就越大。所以，植被量的多少就可以通过偏振来反映出来［３］。镜面反射是在植被冠层较常见的一种现象，也是产生偏振的主要原因。Ｖａｎｄｅｒｂｉｌｔ［４］等推导出可以反映植被冠层镜面反射与偏振反射光的模型，该模型基于冠层的形态、物候特征与菲涅尔公式。可以将生长阶段、叶片含水量、某些植被疾病与偏振测量之间建立起关系。像玉米、高粱和小麦这样的植被冠层，通常会产生大量的镜面反射光，从而在朝向太阳方向倾斜观测时这些植物会出现白光而不是绿光。植物闪光叶片的镜面反射主要是源于叶片表皮的蜡质层，而这部分光是偏振光［５］。Ｖａｎｄｅｒｂｉｌｔ［５］等对作物冠层的偏振特性做了研究，这对植被冠层对光的散射与偏振作用的理解提供了基本的解释。与此同时，利用偏振测量可以将小麦冠层的反射信息分成镜面反射部分和漫反射部分，这将有助于发展更完善的植被冠层辐射传输模型［６］。为了更好的理解植被散射光中偏振特性，Ｗｏｅｓｓｎｅｒ与Ｈａｐｋｅ［７］研究了三叶草的偏振特性，在与前面研究结果相同的基础上，他们发现投射光会产生负偏振显现，而这会影响呈聚集状态叶片对光的偏振能力。在对小麦冠层进行偏振测量时，Ｇｈｏｓｈ等［８］在相对太阳入射方位１８０°，探测天顶角度为６０°
，７０°和８０°前向散射方向对小麦冠层进行了偏振测量，
并以偏振度为指标说明了偏振测量可以更好的描述小麦抽穗期的开始时间。在植被偏振测量过程中，研究者们都将注意力集中在了冠层对光的偏振能力及单个叶片的偏振反射特性，Ｇｒａｎｔ
等［９］在布儒斯特角处对大量不同种类的植物叶片进行了偏振测量，发现所有叶片对光都具有偏振作用，镜面反射与表面颗粒的散射都会引起偏振光，而且偏振光只在叶片表面产生，叶片内部结构对偏振没有任何影响。随着对地偏振测量的发展，也由实验测量转变到模型的建立，Ｂｒｅｏｎ等［１０］建立了基于物理理论的分析模型，其中包括植被的偏振反射模型，他们的结果表明，在星载遥感背景下，利用偏振反射监测植被的信息将会非常的弱，但是却对气溶胶遥感有很大帮助。虽然如此，如果气溶胶的偏振反射小于地表的偏振反射，则相对误差就会变的非差大。Ｂｒｅｏｎ
等［１０］的模型同时也指出最适合气溶胶遥感的情况是地表偏振反射非常小的探测角度方向。也就是在垂直向下方向进行大气偏振信息的获取，因为这个角度可以认为相对大气偏振而言地物偏振可以忽略［１１］。但是，
实际当中由于地面粗糙不
平的表面会引起很多的镜面反射，使垂直探测时地表的偏振作用会很大［１２］，
出现地面偏振大于大气偏振的机会就会增
加。所以针对以上在对植被冠层的偏振测量过程中大部分研究都集中在了前向散射方向以及垂直地面对大气偏振观测时将地表偏振忽略的情况下。在冠层可以产生偏振光理论的基础上，以垂直方向在玉米不同生长时期对其冠层的高光谱偏振反射特性进行测量，分析垂直探测方向植物冠层的偏振特性。这对研究利用偏振信息反演地表与气溶胶参数以及太阳辐射与地表的相互作用过程具有较重要的意义［１３－１６］。
１
地表偏振反射理论
通常光可以以光强于偏振态的形式被表示出来。在大多数光学遥感应用当中，只测量了不同波段的反射光强，同时根据光强变化来反映地表信息。当自然光倾斜地入射到物体表面上时，假设地表的偏振反射是由镜面反射产生的，同时在镜面方向会发生反射和折射。设θｓ与θｔ分别为入射角与折射角，则依据菲涅耳反射公式
ｒＶ＝
ｔａｎ（θｓ－θｔ）
ｔａｎ（θｓ＋θｔ）（１）ｒＨ＝ｓｉｎ（θｓ－θｔ）ｓｉｎ（θｓ＋θｔ）（２）式中，ｒＶ和ｒＨ分别为Ｖ分量与Ｈ分量的振幅反射率。不考虑方向时，对两个分量的振幅反射率比较可以得出，当入射光垂直入射时，θｓ＝０°，ｒＶ＝ｒＨ，所以反射光不存在偏振特性。当入射光为０°＜θｓ＜９０°时，ｒＶ＜ｒＨ（３） 表明反射光电矢量的平行分量的值总是小于垂直分量。所以当入射光为自然光时，倾斜入射表面反射后，经过单次反射后是偏振光。根据式（４）可以将式（１）和式（２）中的折射角消去。ｎ１ｓｉｎθｓ＝ｎ２ｓｉｎθｔ（４）式中，ｎ１为空气的折射率１，ｎ２为反射介质的折射率，则由于镜面反射引起的相互垂直的两个偏振分量（Ｖ，Ｈ）是与介质折射率与入射角度有关的［１０］。反射光中偏振部分可以通过Ｓｔｏｋｅｓ参量计算得到。而在实际测量当中，Ｖ可以忽略不计［１２］，其他各个分量表示为Ｉ＝Ｉ０°＋Ｉ９０°＝Ｉ＋４５°＋Ｉ－４５°Ｑ＝Ｉ０°－Ｉ９０°Ｕ＝Ｉ＋４５°－Ｉ－烅烄烆４５°（５）式中，Ｉ０°，Ｉ９０°，Ｉ＋４５°，Ｉ－４５°，Ｉｌ和Ｉｒ分别表示在镜面反射情况下，探测器的偏振片透光轴方向在相对入射方向０°，９０°，＋４５°，－４５°方向获得的线偏光。偏振度Ｐ可以由下式计算出来Ｐ＝Ｑ２＋Ｕ槡２Ｉ（６） 偏振度在本研究中作为一种对比的指标。同时结合双向反射系数来分析不同冰的反射信息。对于地表反射的光强，可以通过双向反射系数来描述，同时也可以表示出地物的反射特征，它的定义是在相同入射条件下，目标物的反射光与一个理想的浪波反射体之间比值。Ｒ＝Ｌ′（θｓ，φ；θ′，φ′）Ｌ（θｓ，φ；θ′，φ′）（７）式中，θｓ与φ表示入射辐射的天顶角与方位角，在反射辐射方向θ′与φ′获得反射辐射Ｌ′。Ｌ表示的是在相同条件下标准白板的反射辐射值。２ 垂直观测植被冠层偏振反射过程２．１ 测量地点与测量环境实验分别于２０１２年７月６日与７月１７日进行，天空晴朗无云，微风，测量时间为１１：５０—１２：４５。测量地点为长春师范学院内玉米试验田。坐标位置为：４３°５４′３７．１３″Ｎ，１２５°２３′４８．７７″Ｅ，海拔高度约为２００ｍ。测量日期均在抽穗前期，因为在研究小麦冠层偏振时发现麦穗的出现之后会减小冠层对光的偏振能力，从而很难建立偏振信息与小麦长势之间的关系［５］。同样，抽穗期玉米顶端的雄蕾对玉米冠层的影响与小麦穗对小麦冠层的影响相似。２．２
角度测量装置与光谱测量仪器
在野外测量过程中，利用中科院长春光机所北方液晶公司制造的测量系统，其中有手动角度调节器，同时结合ＡＳＤ
地物光谱仪与偏振片对玉米冠层的高光谱偏振反射信息进行测量。其中，角度调节器在测量过程中主要是用来变换探测角度，该仪器主要由三部分组成：测量支架、底座、手机械装置。测量支架前端为一圆筒，固定探测器光纤部分，同时可以将偏振片安装进行偏振测量，也具有改变探测视场角的能力（视场角范围最小可以确定在８°
）；支架可以在相对天顶方
向±９０°范围旋转，可控制精度为１．５°；而且可以在０．２～
１．５ｍ范围自由上升与下降，从而在探测方向视场角不变的情况下，可以对不同面积地物进行测量。角度测量仪器在所有探测角度都是对同一点进行测量的，测量点变换范围在２ｃｍ范围内。由于测量中心点的变化在对测量玉米冠层的影响中可以忽略。为了保证对玉米冠层进行测量，在玉米的不同生长时期通过调整底座高度来实现这一目标，同时利用水平仪为参照，调整探测器底座使其水平。且每次测量保证探测器探头与玉米冠层之间的距离一致（１ｍ），视场角一致（１０°）。实验中的偏振片为线偏振片，可
以透过的波长范围是３００～１ ０００ｎｍ；ＡＳＤ的光谱范围为３５０～１ ０００ｎｍ，可以结合起来对玉米冠层进行测量，在测量
反射信息与偏振信息之后，又利用ＳＰＡＤ－５０２叶绿素仪进行了现场测量，得到的是ＳＰＡＤ值，值越高表明叶绿素含量越高。２．３
反射系数与偏振度计算
在对玉米冠层偏振反射信息进行测量之前，参照式（７）
所描述的定义，在垂直获取了其反射辐射，并对双向反射系数进行了计算。随后安装偏振片，利用在太阳入射面为参考面偏振片在０°，９０°，＋４５°，－４５°方向获得的线偏光，通过式（６）计算植被冠层反射光中的偏振度。
９２０１第４期 光谱学与光谱分析