遥感应用模型-第二章-植被遥感-植被叶面积指数估算模型

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。
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
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
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
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；
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；
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。
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。
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。
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。
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。
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。
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。
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。
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 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。
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。
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。
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；
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。
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%；
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。
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。