作物生物量遥感估算研究进展
合集下载
相关主题
- 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)。
)! *
引!言
!!生物量是作物长势监测的一个重要指标 # * !作物单株 生物量反映了个体长势!单位面积生物量则反映了作物群体 长势$同时作物生物量还是重要的农学参数!是形成作物产 量的基础!区域尺度上作物生物量的估算可以为作物产量的 监测与预测提供依据!结合收获指数就可以对区域尺度上的 * ! 作物单产进行空间制图) $另一方面农田生物量是研究全球 碳循环的重要组成部分!农田在陆地生态系统的物质循环和 能量流动中起着主导作用!对农田生物量进行监测将为研究 农田生态系统中能量平衡+能量流动和养分循环等功能过程 提供基础数据$ 随着! .技术的发展!遥感数据为生物量的测定提供一 种有效的手段!使其估算过程更加简化!通过遥感获取地表 植被信息及相关参数!已成为实时的大范围反演地表生物量 的一种重要工具和手段$ 本文就当前基于遥感信息构建的作物生物量估测模型的 思路方法以及模型精度检验等方面的研究现状进行总结!并 展望发展趋势$
据的估算方法!基于雷达数据的估算方法!基于净初级生产 # 的估算方法!及基于作物生长模型的估算方法$ 力" ( B B . . !基于传统光学数据简单统计分析的估算方法 生物量 遥感光谱指数简单统计相关模式主要指利用生 , 物量直接与遥感光谱指数进行简单相关统计分析来估算作物 生物量$这种模式通常有*种方式(一种是直接以遥感波段 作为自变量!使用单波段或多波段为模型驱动因子与生物量 建立估算模型'另一种是将遥感数据影像各波段组合成各种 不同形式的遥感指数!以这些遥感指数直接或间接作为模型 驱动因子构建相关统计模型估算作物生物量$ 傅玮东+黄敬峰等基于农业气象试验站观测农学资料+ 光谱资料以及同步接收的 ( , C 8 8 8 $A S S 资料!计算了冬 # 和归一化差值植被指数 小麦生物量与比值植被指数 " S $ W " # 的相关系数 " 和 # !均达到了极显著 ( D $ W " ' > * !! " ' > ? +水平!并建立了冬小麦生物量的光谱监测模型和气象卫星遥
第! 第# "卷 ! #期! !!!!!!!!!!!光 谱 学 与 光 谱 分 析 *"#" 年 ## 月!!!!!!!!!!! !. / 0 1 2 % 3 0 % 6 7. / 0 1 2 5 &8 6 5 & 3 9 3 ) ) 45 ) 4
! ! ! " > + , ! # " * $ % & ' ! " ( % ' # # ) ) ! ( % : / ; < / 2 * " # " !
# !遥感监测方法
!!目前主要的作物生物量遥感监测方法可以根据采用的数
修订日期 * " " > , # # , # > * " # " , " * , * E !收稿日期
!中 国 科 学 院 知 识 创 新 工 程 重 大 项 目 " 和" 专题项目 " + " # # -# @ . L Q # , da , " > , " ## + E !计划# !基金项目国 家 青 年 自 然 科 学 基 金 项 目 " " # 资助 * " " > 8 8 # * e # E ( # > + *年生!中国科学院遥感应用研究所博士研究生!! / , ; 5 9 & 7 O ] 9 6 + * ; 5 9 & ' 0 % ; !作者简介杜!鑫! " X ( / , ; 5 9 & ; / 6 N 9 2 3 5 ' 5 0 ' 0 6 X K "通讯联系人!! "
第# #期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析
E $ ^C D W .ห้องสมุดไป่ตู้, U $ W 这种统计模型在形式上简单易用!但此方法需要大量的 )*
! " > >
数据的应用!必将成为作物生物量遥感估算的一种重要手 段$ . A !基于雷达数据的估算方法 在过去 的 十 几 年 中!U ! !S !U ! S . c U S . 5 7 5 2 . 5 1 6 : 9 . 5 1 8 J C .等搭载雷达传感器的卫星陆续发射升空!使得对于地 表状况的遥感监测能够全天候+全天时的展开$大量理论研 究和实验分析已经证明雷达数据在作物生物量估算中有很好
作物生物量遥感估算研究进展
杜!鑫蒙继华" 吴炳方
中国科学院遥感应用研究所!北京! # " " # " #
摘!要!作物生物量是作物长势监测以及产量估算中的一个关键指标$随着 ! .技术的发展!遥感数据可以 为作物生物量的估算提供有力的支撑!充分发挥遥感信息的宏观及实时动态性!使在大的时间和空间尺度 上进行作物的生物量估算成为可能$文章通过总结作物生物量遥感估算的研究现状!根据采用的数据源不 原理+ 和 同以及基于的模型基础不同将现有作物生物量遥感估算模型划分为 E 类!并对每一类模型的方法+ 应用进行了详细阐述!讨论分析了作物生物量遥感估算方法的发展趋势!以及各种估算方法的自身优势和 仍需完善的方面!并对今后的发展进行了展望$ 关键词!作物'生物量'遥感监测 中图分类号 ' 9 3 3 6 ' # " " " , " H > ! F B ? > 8!!( % ) # " ' ! > E * " # " # # , ! " > + , " H !!文献标识码 K 据不同或采用的模型不同等特点可划分为 H 种监测方法!即 基于传统光学数据简单统计分析的估算方法!基于高光谱数
! * H 感监测模型) $张霞等以 ^C D W .为数据源!构建了归一化
# 和再次归一化光谱指数 " # !并对 差异光谱指数" ( D . W S D . W 两种植被 指 数 与 小 麦 生 物 量 的 关 系 进 行 了 分 析!并 发 现 " ! # !" ! # 和" ! # 这 ! 个波段组合所构建 < # > < * < # > < # ? < # > < # E 的指数对小麦生物量高度敏感!达到了> > Z显著相关!而且 明显 优 于 ^C D W . 自 身 的 植 被 指 数 产 品 ^C D W . , ( D $ W和
引!言
!!生物量是作物长势监测的一个重要指标 # * !作物单株 生物量反映了个体长势!单位面积生物量则反映了作物群体 长势$同时作物生物量还是重要的农学参数!是形成作物产 量的基础!区域尺度上作物生物量的估算可以为作物产量的 监测与预测提供依据!结合收获指数就可以对区域尺度上的 * ! 作物单产进行空间制图) $另一方面农田生物量是研究全球 碳循环的重要组成部分!农田在陆地生态系统的物质循环和 能量流动中起着主导作用!对农田生物量进行监测将为研究 农田生态系统中能量平衡+能量流动和养分循环等功能过程 提供基础数据$ 随着! .技术的发展!遥感数据为生物量的测定提供一 种有效的手段!使其估算过程更加简化!通过遥感获取地表 植被信息及相关参数!已成为实时的大范围反演地表生物量 的一种重要工具和手段$ 本文就当前基于遥感信息构建的作物生物量估测模型的 思路方法以及模型精度检验等方面的研究现状进行总结!并 展望发展趋势$
据的估算方法!基于雷达数据的估算方法!基于净初级生产 # 的估算方法!及基于作物生长模型的估算方法$ 力" ( B B . . !基于传统光学数据简单统计分析的估算方法 生物量 遥感光谱指数简单统计相关模式主要指利用生 , 物量直接与遥感光谱指数进行简单相关统计分析来估算作物 生物量$这种模式通常有*种方式(一种是直接以遥感波段 作为自变量!使用单波段或多波段为模型驱动因子与生物量 建立估算模型'另一种是将遥感数据影像各波段组合成各种 不同形式的遥感指数!以这些遥感指数直接或间接作为模型 驱动因子构建相关统计模型估算作物生物量$ 傅玮东+黄敬峰等基于农业气象试验站观测农学资料+ 光谱资料以及同步接收的 ( , C 8 8 8 $A S S 资料!计算了冬 # 和归一化差值植被指数 小麦生物量与比值植被指数 " S $ W " # 的相关系数 " 和 # !均达到了极显著 ( D $ W " ' > * !! " ' > ? +水平!并建立了冬小麦生物量的光谱监测模型和气象卫星遥
第! 第# "卷 ! #期! !!!!!!!!!!!光 谱 学 与 光 谱 分 析 *"#" 年 ## 月!!!!!!!!!!! !. / 0 1 2 % 3 0 % 6 7. / 0 1 2 5 &8 6 5 & 3 9 3 ) ) 45 ) 4
! ! ! " > + , ! # " * $ % & ' ! " ( % ' # # ) ) ! ( % : / ; < / 2 * " # " !
# !遥感监测方法
!!目前主要的作物生物量遥感监测方法可以根据采用的数
修订日期 * " " > , # # , # > * " # " , " * , * E !收稿日期
!中 国 科 学 院 知 识 创 新 工 程 重 大 项 目 " 和" 专题项目 " + " # # -# @ . L Q # , da , " > , " ## + E !计划# !基金项目国 家 青 年 自 然 科 学 基 金 项 目 " " # 资助 * " " > 8 8 # * e # E ( # > + *年生!中国科学院遥感应用研究所博士研究生!! / , ; 5 9 & 7 O ] 9 6 + * ; 5 9 & ' 0 % ; !作者简介杜!鑫! " X ( / , ; 5 9 & ; / 6 N 9 2 3 5 ' 5 0 ' 0 6 X K "通讯联系人!! "
第# #期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析
E $ ^C D W .ห้องสมุดไป่ตู้, U $ W 这种统计模型在形式上简单易用!但此方法需要大量的 )*
! " > >
数据的应用!必将成为作物生物量遥感估算的一种重要手 段$ . A !基于雷达数据的估算方法 在过去 的 十 几 年 中!U ! !S !U ! S . c U S . 5 7 5 2 . 5 1 6 : 9 . 5 1 8 J C .等搭载雷达传感器的卫星陆续发射升空!使得对于地 表状况的遥感监测能够全天候+全天时的展开$大量理论研 究和实验分析已经证明雷达数据在作物生物量估算中有很好
作物生物量遥感估算研究进展
杜!鑫蒙继华" 吴炳方
中国科学院遥感应用研究所!北京! # " " # " #
摘!要!作物生物量是作物长势监测以及产量估算中的一个关键指标$随着 ! .技术的发展!遥感数据可以 为作物生物量的估算提供有力的支撑!充分发挥遥感信息的宏观及实时动态性!使在大的时间和空间尺度 上进行作物的生物量估算成为可能$文章通过总结作物生物量遥感估算的研究现状!根据采用的数据源不 原理+ 和 同以及基于的模型基础不同将现有作物生物量遥感估算模型划分为 E 类!并对每一类模型的方法+ 应用进行了详细阐述!讨论分析了作物生物量遥感估算方法的发展趋势!以及各种估算方法的自身优势和 仍需完善的方面!并对今后的发展进行了展望$ 关键词!作物'生物量'遥感监测 中图分类号 ' 9 3 3 6 ' # " " " , " H > ! F B ? > 8!!( % ) # " ' ! > E * " # " # # , ! " > + , " H !!文献标识码 K 据不同或采用的模型不同等特点可划分为 H 种监测方法!即 基于传统光学数据简单统计分析的估算方法!基于高光谱数
! * H 感监测模型) $张霞等以 ^C D W .为数据源!构建了归一化
# 和再次归一化光谱指数 " # !并对 差异光谱指数" ( D . W S D . W 两种植被 指 数 与 小 麦 生 物 量 的 关 系 进 行 了 分 析!并 发 现 " ! # !" ! # 和" ! # 这 ! 个波段组合所构建 < # > < * < # > < # ? < # > < # E 的指数对小麦生物量高度敏感!达到了> > Z显著相关!而且 明显 优 于 ^C D W . 自 身 的 植 被 指 数 产 品 ^C D W . , ( D $ W和