遥感应用模型5-植被(2)-叶面积指数估算模型
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)。
冬小麦叶面积指数地面测量方法的比较. 农业工程 学报，2011，27（3）：220-224
三江平原湿地植被叶面积指数遥感估算模型.生态 学杂志，2008，28（7）：803-808
➢光学模型法，基于植被的双向反射率分布函数 ，是一种建立在辐射传输模型基础上的模型， 它把LAI作为输入变量，采用迭代的方法来推算 LAI。
统计模型法输入参数单一，不需要复杂的计算， 因此成为遥感估算LAI的常用方法。但不同植被类 型的LAI与植被指数的函数关系会有所差异，在使 用时需要重新调整、拟合。
洪河保护区影像数据由中国资源卫星应用中心提供 ，轨道号为359/46，时相为2007年8月29日；
数据级别为二级，做过辐射校正和几何粗校正处理 ，未做几何精校正，所以要对卫星影像进行消除噪 声、几何精校正、多波段影像合成及裁剪等处理。
考虑到湿地地区的地面控制点较难确定，利用了已 纠正过的一景TM影像数据（2004）和1976年调绘 的1：100000的地形图，结合GPS 野外采样的部分 数据，采用二次多项式法对中巴影像进行几何精纠 正，纠正误差控制在2/3个像元。
实测 数据用LAI-2000冠层分析仪获得，鉴于保护 区内各植被型的立地条件和生长环境都有所不同 ，涉及的LAI 测量对象包括沼泽、草甸、灌丛和岛 状林等4种植被型，
相关性分析
进行LAI与湿地植被NDVI 间的相关性分析，主要目 的是检验二者之间关系的密切程度，以及是否可 根据所测样点资料来推断总体情况，而相关系数 则是反映这种紧密程度的指标。
将研究区分为草甸、沼泽、灌丛和岛状林4种湿地 植被类型，NDVI与各植被型LAI的相关性和估算效 果均有很大程度的提高，所建立的LAI遥感反演模 型以三次曲线回归方程拟合精度最高，R2分别达 到0.723%、0.588%、0.837%、0.72%。
以上结果表明，结合地面实测数据并基于遥感植 被分类的基础上， CBERS-02遥感影像可用于较大 区域内湿地植被生理参数的反演研究。
最小误差法受目标大小影响小但阈值选择困难，噪 声干扰较大，提取目标精度低；
最小偏态法处理速度快但产生过量噪声干扰，分割 精度低；
改进动态阈值法精度高、噪声干扰小、处理速度快 ，虽然存在较小的噪声点但不会使叶面积的计算产 生较大的误差。
利用计算机图像处理技术分别统计出图像总像素 数Msoil、参照物像素数 Mrefer 和绿色叶片像素数 Mleaf，从而可知它们的像素数比，也即面积比。
保护区内除了湿地植被类型外，还有一个特殊的 人工植被类型—耕地，对耕地以及无植被覆盖的 水面进行掩膜处理。
参考文献
叶面积指数的研究和应用进展.生态学杂志，2005 ，24（5）：537-541
基于图像处理技术的小麦叶面积指数的提取. 农业 工程学报，2010，26（1）：205-209
实际数据获取
首先用长直尺测量进入相机镜头边界的土地区域 面积D；
然后数清区域内的株数N；在拍摄区域内随机抽取 5 株小麦样本，分别测量单株叶数m及每片叶的长 L、宽W，则有单叶叶面积（校正系数K为0.83）。
实际叶面积指数
直方图信息
图像分割
最大类间方差法算法简单、处理速度快，但是小的 目标区域被滤掉，噪声干扰明显；
利用计算机图像处理技术对图像进行分析计算从 而得到叶面积指数。
然后利用实测数据与图像分析得到的数据建立数 学模型。
这种方法克服了以往选用单一品种、单一种植条 件样本的局限性，确保了建立的小麦叶面指数估 测模型全面、准确。
数字图像获取
试验在东北农业大学小麦试验田内进行，选择龙辐 麦16号、06-4074、06-4059、06-4075、06-4108 5 个 小麦品种，种植密度为每公顷600 万株、700 万株、 800 万株、900 万株、1000万株5 个级别。
因此，探讨利用遥感影像估算植被的叶面积指数的 方法已成为当前建立全球及区域气候、生态模型的 基础工作之一。
通常检验遥感反演叶面积指数的精度常常通过地 面实地测量的方式。
地面测量叶面积指数的方法有很多种，大致分为 两类—直接测量法和间接测量法。
➢直接测量法包括系数法和比叶重法等。在叶子 的采集和叶面积的测量过程中，具有一定的破 坏性。
比叶重法
比叶重法是利用单位叶面积与叶子干重的比值来 获取叶面积指数的一种方法。
➢选定有代表性的地块，取一定面积(A)的植物样 品于取样袋中，测定前记录取样面积上的总株 数m；
➢从所取样品中选5株，摘下所有展开绿色叶片， 选取叶片中宽窄较为一致的地方，剪2或3cm长 度的小段，计算面积(S)，然后烘干称质量w1， 然后对剩余绿叶全部烘干后称质量w2，其计算 式如下
第二章 植被遥感
本章主要内容
叶面积指数估算模型
叶面积指数估算模型
叶面积指数（LAI）是指单位地表面积上方植物叶 单面面积的总和，它是叶覆盖的无量纲度量。
叶面积指数作为进行植物群体和群落生长分析的重 要参数和评价指标，在农业、林业及生态学等领域 得到了广泛的应用。
依靠传统的地面样方实测的方法来估算叶面积指数 又是一项花费巨大人力、财力且精度不高的工作。
分析三江平原洪河自然保护区草甸、沼泽植被、 灌 丛 和 岛 状 林 4 种 湿 地 植 被 及 样 本 总 体 的 NDVI 与 LAI之间的相关关系；
建立了NDVI与不同湿地植被类型叶面积指数间的 线性和非线性回归模型，并制作完成洪河自然保 护区LAI空间分布图。
整个研究区样本总体的LAI估算效果不太理想，其 NDVI与LAI 的相关性仅为0.532%；
选择在小麦的主叶、分蘖、拔节、孕穗等关键生长 期，于晴天光照强度适中的上午6:00－8:00间采集图 像。
拍摄前人工去除杂草。选择群体长势均匀的地点， 采用5 cm×5 cm 的白色纸板作为参照标准置于小麦 冠层同一平面，采用SONY DSC-F707 数码相机（设置 为640 像素×480 像素）垂直于小麦群体冠层进行拍 摄。
再根据植株的生长密度，进而求得叶面积指数。
A为取样面积；S为参考物的实际面积；P为相片上 绿叶与参考物的像素之比；m为取样面积上的总 株数；n为照片中所拍摄到的植株数。
ຫໍສະໝຸດ Baidu
基于图像处理技术的小麦叶面积指数的提取
针对不同的小麦品种设置了不同密度的栽培条件 ，通过数码相机获取不同发育期内自然生长的小 麦群体冠层数字图像。
研究区为位于我国 东北地区三江平原 东北部的洪河国家 级自然保护区
为了有效地进行保 护管理和可持续发 展，根据区内自然 资源的分布现状， 将保护区划分为核 心区、缓冲区和实 验区
CBERS-02的多光谱数据包括蓝、绿、红3个可见光波 段，1个近红外波段和1个全色波段，5个波段星下 点空间分辨率均为19.5m。
➢间接测量法包括基于数字图像处理技术的照相 法，基于光学仪器进行LAI测量的仪器测量法， 利用光谱或植被指数与LAI的统计回归关系的模 型法等。
每种方法都有其自身特点所决定的测量误差，有 其所适宜采用的天气、植被生育期等条件。
不同的测量方法，得到的LAI有所差异，在对LAI精 度敏感的研究中，需要对地面测量方法的误差进 行分析。
参照物的面积已知为25cm2，既可求出叶片面积和
土壤面积，两者的比值即为图像叶面积指数 LAIimage，导出计算公式为
建立叶面积指数模型
卫星遥感法
卫星遥感方法为大范围研究LAI提供了有效的途径 ，目前主要有两种遥感方法可用来估算叶面积指 数：
➢统计模型法，主要是将遥感图像数据如归一化 植被指数NDVI、比植被指数RVI和垂直植被指数 PVI与实测LAI建立模型。
光学模型法的优点是有物理模型基础，不受植被 类型的影响，然而由于模型过于复杂，反演非常 耗时，且反演估算LAI过程中有些函数并不总是收 敛的。
三江平原湿地植被叶面积指数遥感估算模型
利用中巴资源卫星CBERS-02影像提取的归一化植 被指数（NDVI）和同期野外实测的叶面积指数（ LAI）数据；
一元线性
回归分析
曲线回归模型
利用先前已经做好的研究区遥感影像分类图作为 底图，把研究区分为草甸、沼泽、灌丛和岛状林 等4种湿地植被区；
然后利用各自的LAI估算模型来估算湿地植被LAI 的大小，最后得到整个研究区的湿地植被LAI空间 分布图。
将植被LAI遥感反演结果划分为6个等级：0-1、1-2 、2-3、3-4、4-5 和5-6
比叶重法原理简单、较为精确，常被用作林业上 森林树种或农业上作物的比较测定。
但其过程复杂，制作标叶、烘干、称质量操作步 骤多，耗时较长，结果又受到叶片厚度不均匀的 影响，且采样具有破坏性，不能重复测量。
照相法
照相法是基于数字图像处理技术，计算数字相片 上绿叶与已知实际面积(S)的参考物的像素之比(P) 来求绿叶部分所占的面积；
由于缺乏卫星过境时详细的大气剖面资料（如气 溶胶和水汽含量等），因此6S模型等大气校正模 型的应用将会受到限制。
利用暗目标法对遥感影像进行大气校正，以获得 地面反射率数据。
地面叶面积指数测量方法
考察路线与采样点的选取应遵循如下原则：一是 植物分布的代表性、均匀性；二是遥感图像可读 性；三是交通可行性。
三江平原湿地植被叶面积指数遥感估算模型.生态 学杂志，2008，28（7）：803-808
➢光学模型法，基于植被的双向反射率分布函数 ，是一种建立在辐射传输模型基础上的模型， 它把LAI作为输入变量，采用迭代的方法来推算 LAI。
统计模型法输入参数单一，不需要复杂的计算， 因此成为遥感估算LAI的常用方法。但不同植被类 型的LAI与植被指数的函数关系会有所差异，在使 用时需要重新调整、拟合。
洪河保护区影像数据由中国资源卫星应用中心提供 ，轨道号为359/46，时相为2007年8月29日；
数据级别为二级，做过辐射校正和几何粗校正处理 ，未做几何精校正，所以要对卫星影像进行消除噪 声、几何精校正、多波段影像合成及裁剪等处理。
考虑到湿地地区的地面控制点较难确定，利用了已 纠正过的一景TM影像数据（2004）和1976年调绘 的1：100000的地形图，结合GPS 野外采样的部分 数据，采用二次多项式法对中巴影像进行几何精纠 正，纠正误差控制在2/3个像元。
实测 数据用LAI-2000冠层分析仪获得，鉴于保护 区内各植被型的立地条件和生长环境都有所不同 ，涉及的LAI 测量对象包括沼泽、草甸、灌丛和岛 状林等4种植被型，
相关性分析
进行LAI与湿地植被NDVI 间的相关性分析，主要目 的是检验二者之间关系的密切程度，以及是否可 根据所测样点资料来推断总体情况，而相关系数 则是反映这种紧密程度的指标。
将研究区分为草甸、沼泽、灌丛和岛状林4种湿地 植被类型，NDVI与各植被型LAI的相关性和估算效 果均有很大程度的提高，所建立的LAI遥感反演模 型以三次曲线回归方程拟合精度最高，R2分别达 到0.723%、0.588%、0.837%、0.72%。
以上结果表明，结合地面实测数据并基于遥感植 被分类的基础上， CBERS-02遥感影像可用于较大 区域内湿地植被生理参数的反演研究。
最小误差法受目标大小影响小但阈值选择困难，噪 声干扰较大，提取目标精度低；
最小偏态法处理速度快但产生过量噪声干扰，分割 精度低；
改进动态阈值法精度高、噪声干扰小、处理速度快 ，虽然存在较小的噪声点但不会使叶面积的计算产 生较大的误差。
利用计算机图像处理技术分别统计出图像总像素 数Msoil、参照物像素数 Mrefer 和绿色叶片像素数 Mleaf，从而可知它们的像素数比，也即面积比。
保护区内除了湿地植被类型外，还有一个特殊的 人工植被类型—耕地，对耕地以及无植被覆盖的 水面进行掩膜处理。
参考文献
叶面积指数的研究和应用进展.生态学杂志，2005 ，24（5）：537-541
基于图像处理技术的小麦叶面积指数的提取. 农业 工程学报，2010，26（1）：205-209
实际数据获取
首先用长直尺测量进入相机镜头边界的土地区域 面积D；
然后数清区域内的株数N；在拍摄区域内随机抽取 5 株小麦样本，分别测量单株叶数m及每片叶的长 L、宽W，则有单叶叶面积（校正系数K为0.83）。
实际叶面积指数
直方图信息
图像分割
最大类间方差法算法简单、处理速度快，但是小的 目标区域被滤掉，噪声干扰明显；
利用计算机图像处理技术对图像进行分析计算从 而得到叶面积指数。
然后利用实测数据与图像分析得到的数据建立数 学模型。
这种方法克服了以往选用单一品种、单一种植条 件样本的局限性，确保了建立的小麦叶面指数估 测模型全面、准确。
数字图像获取
试验在东北农业大学小麦试验田内进行，选择龙辐 麦16号、06-4074、06-4059、06-4075、06-4108 5 个 小麦品种，种植密度为每公顷600 万株、700 万株、 800 万株、900 万株、1000万株5 个级别。
因此，探讨利用遥感影像估算植被的叶面积指数的 方法已成为当前建立全球及区域气候、生态模型的 基础工作之一。
通常检验遥感反演叶面积指数的精度常常通过地 面实地测量的方式。
地面测量叶面积指数的方法有很多种，大致分为 两类—直接测量法和间接测量法。
➢直接测量法包括系数法和比叶重法等。在叶子 的采集和叶面积的测量过程中，具有一定的破 坏性。
比叶重法
比叶重法是利用单位叶面积与叶子干重的比值来 获取叶面积指数的一种方法。
➢选定有代表性的地块，取一定面积(A)的植物样 品于取样袋中，测定前记录取样面积上的总株 数m；
➢从所取样品中选5株，摘下所有展开绿色叶片， 选取叶片中宽窄较为一致的地方，剪2或3cm长 度的小段，计算面积(S)，然后烘干称质量w1， 然后对剩余绿叶全部烘干后称质量w2，其计算 式如下
第二章 植被遥感
本章主要内容
叶面积指数估算模型
叶面积指数估算模型
叶面积指数（LAI）是指单位地表面积上方植物叶 单面面积的总和，它是叶覆盖的无量纲度量。
叶面积指数作为进行植物群体和群落生长分析的重 要参数和评价指标，在农业、林业及生态学等领域 得到了广泛的应用。
依靠传统的地面样方实测的方法来估算叶面积指数 又是一项花费巨大人力、财力且精度不高的工作。
分析三江平原洪河自然保护区草甸、沼泽植被、 灌 丛 和 岛 状 林 4 种 湿 地 植 被 及 样 本 总 体 的 NDVI 与 LAI之间的相关关系；
建立了NDVI与不同湿地植被类型叶面积指数间的 线性和非线性回归模型，并制作完成洪河自然保 护区LAI空间分布图。
整个研究区样本总体的LAI估算效果不太理想，其 NDVI与LAI 的相关性仅为0.532%；
选择在小麦的主叶、分蘖、拔节、孕穗等关键生长 期，于晴天光照强度适中的上午6:00－8:00间采集图 像。
拍摄前人工去除杂草。选择群体长势均匀的地点， 采用5 cm×5 cm 的白色纸板作为参照标准置于小麦 冠层同一平面，采用SONY DSC-F707 数码相机（设置 为640 像素×480 像素）垂直于小麦群体冠层进行拍 摄。
再根据植株的生长密度，进而求得叶面积指数。
A为取样面积；S为参考物的实际面积；P为相片上 绿叶与参考物的像素之比；m为取样面积上的总 株数；n为照片中所拍摄到的植株数。
ຫໍສະໝຸດ Baidu
基于图像处理技术的小麦叶面积指数的提取
针对不同的小麦品种设置了不同密度的栽培条件 ，通过数码相机获取不同发育期内自然生长的小 麦群体冠层数字图像。
研究区为位于我国 东北地区三江平原 东北部的洪河国家 级自然保护区
为了有效地进行保 护管理和可持续发 展，根据区内自然 资源的分布现状， 将保护区划分为核 心区、缓冲区和实 验区
CBERS-02的多光谱数据包括蓝、绿、红3个可见光波 段，1个近红外波段和1个全色波段，5个波段星下 点空间分辨率均为19.5m。
➢间接测量法包括基于数字图像处理技术的照相 法，基于光学仪器进行LAI测量的仪器测量法， 利用光谱或植被指数与LAI的统计回归关系的模 型法等。
每种方法都有其自身特点所决定的测量误差，有 其所适宜采用的天气、植被生育期等条件。
不同的测量方法，得到的LAI有所差异，在对LAI精 度敏感的研究中，需要对地面测量方法的误差进 行分析。
参照物的面积已知为25cm2，既可求出叶片面积和
土壤面积，两者的比值即为图像叶面积指数 LAIimage，导出计算公式为
建立叶面积指数模型
卫星遥感法
卫星遥感方法为大范围研究LAI提供了有效的途径 ，目前主要有两种遥感方法可用来估算叶面积指 数：
➢统计模型法，主要是将遥感图像数据如归一化 植被指数NDVI、比植被指数RVI和垂直植被指数 PVI与实测LAI建立模型。
光学模型法的优点是有物理模型基础，不受植被 类型的影响，然而由于模型过于复杂，反演非常 耗时，且反演估算LAI过程中有些函数并不总是收 敛的。
三江平原湿地植被叶面积指数遥感估算模型
利用中巴资源卫星CBERS-02影像提取的归一化植 被指数（NDVI）和同期野外实测的叶面积指数（ LAI）数据；
一元线性
回归分析
曲线回归模型
利用先前已经做好的研究区遥感影像分类图作为 底图，把研究区分为草甸、沼泽、灌丛和岛状林 等4种湿地植被区；
然后利用各自的LAI估算模型来估算湿地植被LAI 的大小，最后得到整个研究区的湿地植被LAI空间 分布图。
将植被LAI遥感反演结果划分为6个等级：0-1、1-2 、2-3、3-4、4-5 和5-6
比叶重法原理简单、较为精确，常被用作林业上 森林树种或农业上作物的比较测定。
但其过程复杂，制作标叶、烘干、称质量操作步 骤多，耗时较长，结果又受到叶片厚度不均匀的 影响，且采样具有破坏性，不能重复测量。
照相法
照相法是基于数字图像处理技术，计算数字相片 上绿叶与已知实际面积(S)的参考物的像素之比(P) 来求绿叶部分所占的面积；
由于缺乏卫星过境时详细的大气剖面资料（如气 溶胶和水汽含量等），因此6S模型等大气校正模 型的应用将会受到限制。
利用暗目标法对遥感影像进行大气校正，以获得 地面反射率数据。
地面叶面积指数测量方法
考察路线与采样点的选取应遵循如下原则：一是 植物分布的代表性、均匀性；二是遥感图像可读 性；三是交通可行性。