• / 68
  • 下载费用:10 下载币  

叶面积指数遥感反演

关 键 词:
叶面积 指数 遥感 反演
资源描述:
1冬小麦叶面积指数 (遥感反演——经验模型和物理模型方法李淑敏2010/12/132 第一部分 第二部分 第三部分 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—―基于 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第一部分永欣等, 1992)1—过大群体 ;2—高产群体 ;3—过小群体 . 低增缓增快增衰减第一部分低速增长期 ,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 . 衰减期 , 植株生殖生长,叶片消亡叶面积衰减,至成熟期 。一个生长期内冬小麦叶面积指数变化5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 方法仍需实地进行测量。 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。 作物生长模型模拟 于推广获取大范围 能满足植被生态和作物长势监测需求可以用定量遥感方法反演区域 遥感的本质是反演,遥感模型是遥感反演研究的对象从携带了地物信息的电磁信号中提取地物的特征。遥感的反演问题,是根据 观测信息 (遥感数据 )和 前向模型 (遥感模型 ),求解或推算描述地物特征的应用参数 (或目标参数 )。 病态反演陆地遥感反演的根本问题 ,在于定量遥感往往需要用少量观测数据估计非常复杂的地表系统的当前状态。已知远少于未知。 先验知识反演不会创造信息,不妥善利用先验知识,就不能很好地分配新观测到的信息到感兴趣的时空多变参数中去。第一部分先验知识越完善,反演结果越可靠。 在对地遥感反演中,先验知识分为两类:1)有关地物类型的先验知识表现在物理模型的选择和模型偏差的统计规律等方面。2)具体地表目标的先验知识表现为模型参数的物理边界、不确定性和相关性,以及季相变化等。 随着模型的选择, 模型参数的物理限制,如叶片大小非负,反射率非负且小于 1,等等先验知识很自然地引入到反演之中,作为参数的 “ 硬边界 ” ,对此人们很少异议。 (李小文)第一部分什么是先验知识 ??8利用遥感反演叶面积指数的依据第一部分光合作用吸收谷 –低反射率近红 高反射率―一峰一谷 ”是植被的光谱特征,与地表其它地物的光谱特征存在很大差别,所以这一特征成为遥感识别植被并判断植被状态的主要依据。植被的光谱特征 近红外波段9 有了遥感反演的方法,地面实测方法是否还需要呢? 1) 由于地表异质性,由低、中分辨率遥感图像模拟出的叶面积指数有很大不确定性,需要对模拟数据的质量和精度进行评估和验证;2) 有些反演算法还只是处于理论研究阶段,需要利用实测值进行验证。 因此,利用模型反演地表参数,需要积累大量的背景测量数据的支持。第一部分叶面积指数的统计关系来反演叶面积指数 于植被 二部分验反演 通过建立 最初,经验反演方法是以 光谱数据为自变量建立估算模型; 后来发现,对于复杂的植被遥感,仅用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的,因此往往选用多光谱遥感数据经分析运算(加、减、乘、除等线性或非线性组合方式),得出某些对植被长势、生物量等有一定指示意义的数值 ——即 “ 植被指数 ” 。第二部分单变量统计方法 多变量统计方法第二部分同波段的反射率值和各种 拟和单变量和 般用到线性模型、指数模型、对数模型、双曲线模型等预测模型,用总均方根差( 评价拟和的精度。与单变量方法基本类似,不同之处在于前者是用多个遥感信息变量与 变量统计模型也可用 3 植被指数 植被指数种类繁多,它们有一个 共同特点是很难消除土壤背景影响和忽略地物二向性反射的基本特征 。 其中, 归一化差植被指数 最常使用的一种光谱植被指数。第二部分14经验反演的特点 优点: 缺点:第二部分于函数和函数中的系数是经验型的,这些系数随着植被类型及地点的不同而改变,并且植被指数受到诸如地形、土壤条件和大气状况等非植被因素和林冠层的几何结构等植被因素的影响,也存在很多缺点;2)植被指数 且 容易达到饱和,在 型精度没有保证。15方法二 物理反演 物理模型反演方法又称基于物理学的光学模型方法 目前,植被遥感物理模型分为 几何光学模型 、 辐射传输模型 以及二者的 混合模型 ,它们都是物理光学模型 与经验统计反演 物理模型反演是更为可靠的方法 ??第二部分几何光学模型和辐射传输模型 二向性反射及 射传输模型什么是 几何光学模型 和 辐射传输模型 ? 在 冠层反射率模型 中,之所以分为这两类,主要是由于地面植被(森林、草地、农作物)主要有两种外在形态第二部分何特征明显 (如树木、灌丛、成垄分布的农作物等 离散植被 , 一种则 无明显几何特征 (如大面积草地、已封垄的农作物等 连续植被 , 18几何光学模型与辐射传输模型特点对照表19 几何光学模型 ( 要考虑地表的宏观几何结构,把地表假设为具有已知几何形状和光学性质,按一定方式排列的几何体,通过分析几何体对光线的截获和遮阴及地表面的反射来确定植被冠层的方向反射(赵英时, 2003)。第二部分考虑了植被冠层的二向性反射 ;缺点:没有考虑冠层内的多次散射。20 辐射传输模型 ( 理论基础是辐射传输理论,描述光辐射和粒子在介质中传播的规律。第二部分虑了植被冠层内的多次散射;缺点:无法模拟植被冠层的二向性反射,近年来虽加入了热点效应模型,但无法直接得到 热点现象 ”“ 二向性反射 ” 遥感从定性走向定量的必然发展过程21 热点( 象第二部分一个像元内存在 光照植被 、 光照土壤 、 阴影植被 和 阴影土壤 四个分量。当观测方向与太阳方向完全重合时,像元内只能观测到光照植被和光照土壤,此时像元最亮,传感器所接收的地面辐射最强,这称为热点。 (苏理宏,李小文)几何光学模型较好的解释了热点现象22 二向性反射第二部分其表面的反射辐射强度与入射辐射方向有关,而且在各反射方向上不均匀分布。地表的反射特性通常既不是漫反射也不是镜面反射,甚至不是二者的加权和。二向性反射是自然界中物体对电磁波反射的基本宏观现象。23 ―二向反射率 ” 指反射率是由太阳光的入射方向和观测者的观测方向共同决定。 多角度遥感 我们通常用的反射率是指星下点观测(垂直观测)的反射率。方位角天顶角高度角第二部分向性反射分布函数模型 的研究。二向性反射分布函数(称 向问题 和 反演问题 。被冠层、探测器、大气、土壤等影响植被冠层反射率的因素反演模型的理论基础来自于正向模型。而正向模型对植被冠层辐射传输的理解直接关系到反演的可靠性,因此这两个方向都是十分重要的。第二部分 属于 叶片模型耦合到冠层模型中反演整个冠层的生化组分含量。第二部分叶片水平第二部分模型模拟叶片从可见光到中红外波段( 400500反射和透射率,并将它们作为叶片结构参数和生物化学参数的函数。基于 1969)提出的“平板模型”,即 把叶片看做为一个表面粗糙的均匀平板,把非致密型叶片当做由 现在 个参数:结构参数 N,叶绿素,含水量,蛋白质和纤维素含量就可以模拟出叶片的光谱反射和透射率。28 冠层水平第二部分模型把植被当作一个混合介质,假设叶片方位角分布均匀,冠层是同质植被冠层。倾角、太阳角度、观测角度、叶片反射率、叶片透过率、土壤反射率等参数来模拟一定观测条件下的植被冠层方向反射率。29片结构参数 N,叶绿素,含水量,蛋白质和纤维素含量叶片光谱反射和透射率叶面积指数 ,叶倾角,太阳角度,观测角度,土壤反射率植被冠层反射率数冠层生理生化参数叶绿素 a+叶面积指数 壤光谱反射率客观参数观测天顶角,方位角太阳天顶角,方位角水平可见度2()g  ()C )l第二部分于 研究区2. 数据及数据预处理3. 经验模型方法反演 物理模型方法反演 尺度转换及结果检验第三部分补充 . 研究区两景 究区地理位置第三部分实际测量数据 仪器050采样时间 2008年 4月 16日、 17日、 18日三天,每天的10:00- 14:00,小麦生长季处于 “ 拔节期 ” 其他记录 测量时间、取样位置坐标、环境参数、天空云层覆盖情况以及采样样本序列号等第三部分5 采样点布设原则上要遵循以下几点原则:1)地面采样点应能在遥感影像上实现准确定位;2)地面采样点应最大可能的体现植被和土壤的均质性;3)采样点处的作物叶面积指数应处于一定的变化范围内。 一个样区内的样点第三部分遥感数据 地表比反射率 ) 2502006 地表反射系数 152006结合 优势第三部分近红通道均可捕捉到大部分植被信息。其他数据 北京市 2000年土地利用现状图 (1:1万 )  大兴区和顺义区乡镇图第三部分于对遥感影像进行几何精校正- 用于提取研究区的遥感影像图38遥感数据预处理何精校正图像镶嵌和投影转换波段运算分幅裁剪几何精校正图像镶嵌和投影转换监督分类分幅裁剪参考刘建光 射率产品模拟 测 经验模型正向反演第三部分光谱响应函数 均值 为什么可以用均值?第三部分是高光谱遥感器,每个波段都有一定的波长响应宽度。在该波长宽度范围内的入射辐亮度并不是都完整的被遥感器接收并记录。遥感器的一个波段和滤波器类似,理论上决定了不可能出现矩形的滤波函数,滤波函数一般都是单峰函数。这个滤波函数就相当于遥感器的光谱响应函数。通俗的讲: 遥感器的光谱响应函数是波长的函数,是遥感器在每个波长处接收的辐亮度与入射的辐亮度的比值。、 2波段处的光谱曲线由实测反射率模拟遥感影像波段反射率410 . 00 . 20 . 40 . 60 . 80 200 400 600 800 1000 1200 、 2波段第三部分 00 . 20 . 40 . 60 . 80 200 400 600 800 1000 1200 、 2波段第三部分每个样区内随机选择大约 80%的样点数为 训练样点 ,用于建模,大约 20%的样点数为 检验样点 ,用于检验模拟的拟合程度。 对训练样点 归曲线的类型按照以往经验选择线性函数关系、对数函数关系和指数函数关系三种,并生成经验模型,同时计算 三部分建立经验模型y = x) + 数模型拟合程度相对更好些 用于 用于 4 2 9 30 . 3 7 7 5 . 4 3 1 70 . 3 7 3 3 三部分利用经验模型模拟 反演青云店 魏善庄 高丽营第三部分用 取各个样区样点对应的 入经验模型,计算 输出影像及数值。474. 物理模型 物理反演的原理叶面积指数的反演关键在于给定经验反射率数据,找到一系列最适模型参数以便通过模型计算得到的反射率值与经验数据获得较好的匹配。 22*1价值函数 ”公式:是经验反射率; 是模型模拟的反射率。48如何确定 数冠层生理生化参数叶绿素含量等效水厚度干物质含量叶肉结构叶面积指数平均叶倾角热点土壤参数 光谱反射率 ( 实测 )客观参数观测天顶角、方位角太阳天顶角、方位角能见度先验知识敏感分析由遥感成像条件决定,参考数据头文件因测量反射率与 取值 0,0 定义为平均叶片大小与冠层高度的比值,整个生长期内二者具有一定的相关性,故取值常量共同决定第三部分参数敏感性分析一直被认为是用来确定模型关键参数、控制模型效率非常有效的过滤工具。同时,参数敏感性分析可以帮助理解模型结构,乃至发现模型结构缺陷,从而改善模型结构。 如果观测数据随冠层参数的改变缓慢,那么就很难对参数值进行反演;另一方面,如果观测数据对冠层参数的变化十分敏感,那么噪音就会导致对冠层参数的估算误差。第三部分因为冠层的生物物理变量是非独立的,比如,叶片水含量的改变也许会导致叶绿素含量和叶片内部结构的变化,叶倾角也会发生变化。 因此,反演前需量化反射率对哪些参数具有敏感性。 在分析某一参数敏感性时,采用这样一种方法:赋予其他参数固定值,待验证敏感性的参数根据先验知识赋予其多个经验值,每一次改变参数值,会得到新的反射率数值,通过反射率曲线图分析随着该参数的变化,冠层反射率变化是否明显,是则为敏感性参数。第三部分不同取值下光谱曲线图 冠层反射率在叶片干物质含量 句话说,在冠层尺度,根据参数 数敏感性分析 数 层反射率在叶片含水量不同取值下光谱曲线图可见光部分( 1波段 ),叶绿素含量的改变对冠层反射率的变化影响是显著的,传感器很容易可以采集到这些变化,记录在遥感数据中。2第三部分这些波长处,随叶片内水分含量的改变,冠层反射率曲线是固定不变的,水分含量不会影响冠层反射率。 2波段 ),在可见光部分影响较小。参数敏感性分析 在可见 了叶片的叶肉结构参数和水分含量、干物质含量外,反射率对其他三个参数 面积指数、平均叶倾角 叶片的叶肉结构参数和水分含量、干物质含量根据冬小麦实际生长状况和先验知识赋值。 叶绿素含量、叶面积指数和平均叶倾角三个参数,先赋予其多个经验值,通过多次 迭代 以确定最佳参数组合。参数敏感性分析结果平均叶倾角 25, 35, 45, 55, 65叶面积指数 1, 2, 3, 4, 5叶绿素含量 红波段反射率 计算可见、近红波段反射率建立目标函数 2最优化是否运行 测反射率特征波长处反射率建立目标函数 1最优化模型初始输入参数输出模型最终输入参数输出模拟 利用物理模型模拟 反演青云店 魏善庄 高丽营第三部分善庄 高丽营经验反演物理反演两种方法模拟 图像比较第三部分1)对三个研究区分别模拟出 用野外实测时 找相结合的办法,确定测量点的准确坐标值;( 2) 地理坐标首先转为文件坐标,然后利用文件坐标读取 3)利用 实测值和模拟值的相关分析使用 作出实测 三部分值的比较59 模拟 善庄 高丽营不显著 不显著 I - 反演L A 测L A I - 反演L A 反演 I - 反演L A 反演 I - 反演L A I 模拟 测 验反演 物理反演61两种方法模拟 经验模型为指数函数关系,模型拟合程度较好; 通过对模拟 值,得出经验模型此二者相关性不显著,而物理模型此二者在 α= 观察三个研究区模拟的 理方法模拟值普遍高于实测值,而经验方法恰恰相反,其模拟值普遍低于实测值; 由实测 经验方法模拟的 此,经验模型模拟 略了区域叶面积指数分布的空间异质性;而物理模型模拟值较为真实,反映了随空间短距离变动冬小麦叶面积指数会相应发生改变。第三部分尺度转换 5m,与地面实测尺度相差不大,且研究区小麦基本为连续种植,因此忽略误差直接进行比较; 尺度转换是将数据或信息从一个尺度转换到另一个尺度的过程,可以是向上尺度转换,也可以是向下尺度转换,分别称为 “ 尺度扩展 ” 和 “ 尺度收缩 ” 。第三部分50m,与地面实测尺度及 法用高尺度数据直接对其验证;所以要对高空间尺度数据进行尺度转换。尺度转换的主要难点就在于不同尺度信息之间的非线性和非均匀性。63其中, 为低分辨率像元的叶面积指数, 为组成该低分辨率像元的第组高分辨率的叶面积指数, 为第 尺度扩展过程1)基于 得 )以高分辨率叶面积指数分布图为基础,找出一个 250m*250m)对应的 16*16个 15m*15m)及其 )通过线性组分加权的方法获得 250m*250三部分1( ) ( ) I L A I i i  )i()低分辨率像元 2 S M 1个研究区(一个 应 6*16个像元,对这 16*!6个像元 2:与实测点相对的 :实测点 :每个研究区所代表 善庄 高丽营个研究区(一个 应 6*16个像元,对这 16*!6个像元 2:与实测点相对的 :实测点 :每个研究区所代表 ) 值同步变化说明物理模型用于两种不同遥感数据,模拟出 )因魏善庄样区内存在少量裸地,所以其 的差值会明显大于青云店和魏善庄;3) 的差值均在 定性说明物理模型模拟 三部分图像处理过程是在 接调用 —定制流程及批处理)的语言; 时处理整个图像)的语言,处理速度快; 如小波变换等,与 语法简单,属于快速开发语言,没有编程基础的情况下可以快速掌握。第三部分8
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:叶面积指数遥感反演
链接地址:http://www.oilwenku.com/p-64359.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开