卷积神经网络模型的遥感反演水质参数COD

化学需氧量(COD)是水体污染监测的常用水质指标之一,传统采集手段耗时耗力;利用遥感反演COD浓度能够快速获取整个水域的COD浓度空间分布状况,对于水污染治理和水环境保护具有重要意义。目前利用多光谱遥感数据反演COD浓度精度较低,主要原因是目前的反演模型多是以皮尔逊相关系数大小为指标选取建模波段的经验方法,对于多光谱遥感数据而言,其光谱波段范围较宽,波段的组合数量有限,难以找到有效的变量作为建模变量。针对这一问题,以郑州市天德湖为例,基于Planet多光谱高分辨率遥感影像,对遥感影像进行预处理和分析水样的高光谱数据,利用卷积神经网络对天德湖COD浓度进行反演;同时选取单变量回归模型、多变量回归模型进行精度对比。主要研究结论有：(1)相比于以皮尔逊相关系数为衡量标准选择不同波段组合的反演方式,卷积神经网络反演具有更高的空间反演精度,其决定系数为0.89, RMSE为2.22 mg·L^-1,这是因为卷积神经网络不仅充分利用了遥感影像的光谱特征,而且能够提取目标像元周围的领域空间信息,学习到图像深层的抽象特征以及水质参数浓度和遥感数据之间的“内在规律”,可以在一定程度上...     

基于实测数据的新疆富蕴季节性积雪光谱分析

使用FieldSpec 3(350～2 500 nm)光谱仪野外测得新疆富蕴地区季节性积雪光谱,与冰对比得出了该地区典型季节性积雪光谱特征,并分析了太阳高度角、 坡度、 雪深、 污染物浓度对积雪光谱的影响。研究结果表明：积雪反射率在可见光波段较高,随波长的增加逐渐减小;随着太阳高度角的增大积雪反射率逐渐降低,且在1 090和1 300 nm对太阳高度角的变化敏感;坡度的存在使积雪反射率大幅上升;在一定深度范围内,积雪反射率随雪深的增加而增大,在400～500和1 250～1 320 nm,反射率对雪深变化敏感;随着污染物的增加,积雪反射率在可见光波段明显下降,且波峰波谷趋于平缓。季节性积雪的光谱测量和分析工作对于积雪参数的监测和反演具有重要意义。     

基于实测光谱和国产高分五号高光谱卫星的铁尾矿表层含水率遥感反演方法研究

尾矿库作为高势能的人造泥石流危险源，在尾砂含水量过高时有溃坝风险，低含水量状态下产生扬尘则会危害周围环境。尾砂含水量实时、动态监测对于尾矿库安全状况及矿区环境保护具有重要意义。相比传统采样化验手段，高光谱遥感拥有观测面积大、数据实时易获取、光谱信息丰富的特点，为快速、高精度尾矿水分监测提供了手段。以鞍山-本溪铁矿群中的高硅型铁尾矿为研究区，实地采集尾砂样品77个，利用可见光-近红外(350～2 500 nm)光谱仪获取其光谱数据，分析不同含水率尾砂光谱特征及机理；引入竞争性自适应加权重采样法(CARS)筛选水分敏感波段，并基于敏感波段建立三维波段光谱指数(TBI),结合随机森林(RF)、粒子群优化的极限学习机(PSO-ELM)及卷积神经网络(CNN)算法建立尾砂水分反演模型，以国产高分五号高光谱卫星为数据源进行模型应用，获取尾矿库表层含水时空分布特征。结果表明：(1)尾砂光谱反射率随含水率升高明显下降，在1 455和1 930 nm处出现O—H吸收特征，吸收深度随含水率减小而逐渐减小；(2)基于CARS方法能够对高光谱数据(305波段)有效降维，筛选出18个水分敏感波段，进一步利用敏感...     

用冠层光谱比值指数反演条锈病胁迫下的小麦含水量

通过高光谱遥感估测条锈病胁迫下的小麦冠层水分含量。通过人工田间诱发不同等级小麦条锈病,在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱、相对含水量(relative water content,RWC) 以及调查小麦条锈病病情指数(disease index,DI)。研究发现随着小麦RWC的减少,冠层光谱反射率在近红外区域(900～1 300 nm)逐渐降低,而在短波红外区域(1 300～2 500 nm)逐渐增大,且RWC与DI间具有强负相关性。对冠层光谱进行平滑处理,利用冠层光谱近红外与短波红外水分敏感波段构建比值指数,然后建立以比值指数为变量的反演RWC线性模型,并分析对比各模型反演RWC的精度以及稳定性,结果发现比值指数R_{1 300}/R_{1 200}反演RWC的精度及稳定性(R2=0.63)都优于其他指数,其线性模型反演绝对误差为3.43,相对误差(relative error,RE)为4.78%。该研究结果不仅为判别小麦病害提供辅助信息,而且也为未来利用高光谱图像反演植物含水量提供理论与方法支持。     

基于光谱波段自相关的水稻信息提取波段选择

通过大田试验,使用ASD光谱仪测量水稻不同生育期的冠层光谱,将光谱以10 nm为步长进行合并,再将不同日期光谱的所有波段组合计算相关系数平方（R2）,生成R2矩阵,并绘制R2分布图。根据R2越大,光谱波段之间冗余信息越多,R2越小,水稻光谱波段信息含量越多的原则,在所有测量日期中选择出前100个R2最小值对应的波段,将这些波段进行统计分析。结果表明,可见光区域各个波段之间和红外（近红外和短波红外）区域各个波段之间都含有大量冗余信息。水稻信息量丰富的波段主要集中在可见光的长波波段,红边波段,近红外第一和第二峰值波段,以及短波近红外第一峰前区（1 530 nm附近）和第二峰值区（2 215 nm附近）。比较水稻与其他植被对于最优波段的选择,400～410,630～650和1 520～1 540 nm三个波段区间表现为水稻信息提取较为独特的波段。     

基于优化光谱指数的牧草生物量估算

牧草生物量是天然和人工草场产出的一个重要指标,能直接反映牧草的长势,它的实时监测是制定合理的草地管理和放牧制度的前提。然而,传统的样方法费时、费力很难满足草地生物量监测的实时性要求。近年来,随着高光谱遥感的发展,为草地的快速、无损的监测提供了可能。通过对内蒙古天然和人工草地生物量及其冠层光谱数据分析,探讨了不同类型光谱指数在估算牧草生物量的鲁棒性。研究表明,由于冠层结构和生物量的影响,不同类型草地冠层的光谱反射存在巨大的差异,从而使现有光谱指数对天然草地和不同品种人工草地牧草生物量的预测能力存在显著的差异(R2=0.00～0.65)。在荒漠草原低生物量的条件下,受土壤背景影响不同光谱指数预测能力较小,而在青贮玉米高生物量条件下,基于红光的光谱指数容易发生饱和失去敏感性。把不同草地类型的数据结合后进行简单比率和归一化窄波段光谱指数的波段优化,与出版的光谱指数相比优化后的归一化光谱指数(normalized difference spectral index, NDSI）显著提高了牧草生物量的预测能力,预测生物量模型的决定系数最高(R2=0.72)。敏感性分析进一步证明了基于波段优化算法的优化光谱指数NDSI,(ration spectral index, RSI）有最低的噪声,从而能更好的预测牧草生物量。波段优化算法可以有效提高遥感估算草地牧草生物量的精度,光谱指数及其优化波段的选择会直接影响模型的预测能力。     

微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模

针对以往利用高光谱数据来来反演土壤有机质（SOM）的可行性与可靠性,结合微分处理对光谱数据信息提取的高效性,提出了直接对多光谱遥感影像进行微分处理就可得出SOM建模研究,旨在为今后SOM速测提供参考。采用Landsat 8_OLI 多光谱遥感影像数据,对多光谱遥感影像进行辐射定标、几何校正、大气校正、镶嵌和裁剪,运用IDL软件对影像进行一阶微分处理和二阶微分处理,发现一阶微分图像能够更好地表达地物的真实情况,更好地区别水体与土壤。原始遥感影像包含大量的信息其中还包括噪声,通过微分处理后的遥感影像剔出了原始影像中反射率值突兀变化的部分。在研究区采用五点法采集土壤样品。室内实验用重铬酸钾氧化-容量法测得SOM数据。多光谱数据结合地面实测SOM数据,分析SOM与多光谱数据反射率的关系,发现一阶微分处理后的遥感数据与SOM含量的相关性存在敏感波段,说明一阶微分处理可以将原始遥感图像数据在多光谱范围内的一些隐含的土壤有机质信息释放出来。选取相关性高的数据建立基于原始遥感数据、一阶微分数据、二阶微分数据的单波段多光谱线性模型和多波段多光谱线性模型,选取最优模型来估算和反演土壤有机质含量。结论如下：（1）通过对原始影像进行微分处理发现,微分处理后的影像变化明显,一阶微分处理的影像噪声降低,更加突出了影像中土壤有机质隐藏的信息。二阶微分处理的影像抑制了土壤有机质信息。（2）原始遥感影像各波段数据对土壤有机质含量的相关性较低,一阶微分处理后的遥感影像数据反映出土壤有机质敏感波段即部分波段数据相关性明显高于原始数据,二阶微分处理后的遥感影像各波段数据对土壤有机质含量的相关性较弱。（3）多波段建模效果要优于单波段建模;一阶微分多波段模型预测精度最优,其模型的决定系数和模型拟合的决定系数分别为0.898和0.854,该模型对估算研究区内的SOM含量效果较好;综合比较了单波段模型和多波段模型的拟合精度,发现无论在单波段模型还是多波段模型一阶微分处理后的模型都具有更好的预测能力。（4）基于一阶微分多波段模型对研究区SOM进行反演,反演结果与实际情况相符合,对干旱区SOM含量制图提供了切实可行的方法和参考。     

北疆地区不同雪粒径光谱特征观测及反演研究

雪粒径反演是冰冻圈遥感的重要研究内容之一。本研究通过设计不同雪粒径观测方案,在我国北疆地区利用SVC HR-1024野外便携式光谱仪观测了不同雪粒径的光谱特征;同时利用可拍照显微镜测量了雪粒径的大小和形状,并通过DSPP方法计算其等效粒径;最后,基于渐进式积雪辐射传输模型(ART)对反演波段和积雪形状因子进行优化,反演并验证雪粒径。研究表明DSPP方法获取积雪等效粒径是可行的,但由于同层积雪中样本选择存在较大差异,在样本选择方面需要进一步改进;近红外波段还是区分雪粒径的有效波段,在研究区积雪是干雪的条件下,基于ART优化反演波段和积雪形状因子优化方法反演雪粒径是可行的,根据试验获取在该地区雪粒径反演最佳波段为1.20 μm,最佳积雪形状因子b值为3.62。     

雪粒径高光谱遥感估算模型研究

雪粒径是影响全球/局地能量收支和表征积雪水热状态的重要参数,大面积监测和估算雪粒径的分布及大小对于全球/局地气候变化和水资源管理具有重要意义。目前遥感技术已成为大面积监测和估算雪粒径的重要手段。针对雪粒径的遥感监测与估算,该研究采用辐射传输模型模拟雪面可见光-近红外波段的光谱曲线,经过分析光谱曲线并结合一阶微分和累计差异值选取对雪粒径敏感的波段和积雪指数,建立单变量雪粒径高光谱遥感估算模型,并用地面实测数据进行验证,结果表明,单波长1 030 nm,1 260 nm和归一化差值积雪指数(460和1 030 nm)构建的估算模型预测精度较高,雪粒径估算值与实测值的相关斜率分别为1.37,0.61和0.62 ,R2分别为0.82,0.86和0.93,RMSE分别为55.65,50.83和35.91 μm,可用于雪粒径的估算研究。研究成果为雪粒径的高光谱遥感反演提供科学依据。     

亚热带红壤全氮的高光谱响应和反演特征研究

利用高光谱遥感技术反演土壤性质已经成为土壤学和遥感科学研究领域的新手段,特别对土壤化学元素含量的高光谱反演,已成为土壤元素快速监测方法的的研究热点。以往研究往往关注不同类型土壤的化学元素光谱响应特征模型,以试图找到普适性的元素-光谱反演模型。由于成土因素的复杂性,土壤类型及其化学元素分布具有明显的空间异质性特征,宏观尺度上的土壤-光谱统计反演模型客观上具有较大的不确定性。若范围缩小到同一个气候带,土壤生物地球化学反应过程较相似,土壤化学元素-光谱反演模型的不确定性相对较小。以福州市为研究区,采集福州市典型红壤样品135个,研究土壤全氮含量的高光谱响应特征,对土壤样品在350～2 500 nm的光谱反射率分别进行倒数对数、微分等五种变换,分析变换后的光谱信息与土壤总氮含量的相关性,筛选出强相关敏感波段,通过设计不同的建模和验证样品比例,用逐步多元线性回归获得福州土壤的氮元素高光谱反演优化模型。结果表明：亚热带红壤全氮的敏感光谱波段为：可见光634～688 nm和红外872,873,1 414和1 415 nm;亚热带沿海地区土壤全氮—高光谱反演的优化模型为: Y=5.384X664-1.039(决定系数R2为0.616,均方根误差为0.422 mg·g-1,检验R2为0.608,均方根误差为0.546 mg·g-1),该模型可以用于福州地区土壤全氮的光谱快速监测。     

典型半干旱区土壤盐分高光谱特征反演

选取陕北典型半干旱区为研究对象,利用土壤高光谱特征对盐分进行反演研究。在研究区域选取样点,采集土壤样品测定土壤光谱特征,以土壤反射率(R)、反射率对倒数(Log(1/R))及去包络线的反射率(R_cr)三个光谱特征进行土壤盐分反演研究,分析其与土壤盐分的相关性,遴选特征波段,并通过Matlab编程利用最小偏二乘回归方法(partial least squares regression,PLSR)建立土壤盐分定量反演模型,然后利用检验样点进行精度检验和比较。结果表明,利用经包络线去除后光谱反射率进行定量反演的均方根预测误差最小(1.253<1.367<1.575),其预测精度最高;利用土壤高光谱特征进行盐分反演的预测值与实测值相关性良好(r2=0.761),趋势线接近于y=x。总之,研究发现,土壤反射率经过包络线去除后,利用偏最小二乘回归方法建立的反演模型具有良好的精度,这将有利于提高土壤盐渍化的监测效率。     

基于水面光谱数据的官厅水库有色可溶性有机物反演

有色可溶解性有机物(简称CDOM,又称为黄色物质),存在于所有自然水体中,可以用于指示水体有机物污染的状况。相比于常规采样监测方法,基于遥感数据反演CDOM具有重要优势。但是遥感数据反演CDOM的方法通常具有区域局限性,因此需要对不同区域水体进行反演方法的检验和完善。我国北方水体CDOM遥感反演的相关研究较少,选择位于河北省张家口市和北京市延庆区交界的官厅水库为研究区,利用2013年10月26日获取的水面遥感反射率光谱(R_rs(λ))和实验室测得的CDOM吸收系数(a_CDOM(λ))数据,首次进行了CDOM浓度(以440 nm处CDOM的吸收系数(a_CDOM(440))表示)反演。对半解析方法即QAA-CDOM方法进行了检验和改进,并建立了CDOM反演的经验模型。QAA-CDOM方法反演结果的均方根误差RMSE为0.10,平均相对误差σ为10.8%。通过实测数据计算了每个波段的水面以下上行辐照度与辐亮度的比值Q,代替了QAA-CDOM方法中的固定Q值,对QAA-CDOM方法进行改进,反演结果精度仅略有提升,RMSE=0.09, σ=10.2%。同时,用四个遥感反射率的比值与a_CDOM(440)进行回归分析,建立了CDOM反演的经验模型。结果显示R_rs(531)/R_rs(551)与CDOM浓度的相关性最大,决定系数为0.63;基于该波段比值建立的CDOM反演经验模型的反演结果的均方根误差RMSE为0.08,平均相对误差σ为8.8%。经验方法反演结果的精度更高,但需要同步实测数据进行所选波长和模型系数的标定;半解析方法不需要标定,更易于推广。     

利用光谱指数反演植被叶绿素含量的精度及稳定性研究

农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index, NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index (MCARI) to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index, TVI)及通用植被指数(vegetation index based on universal pattern decomposition method, VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其“不受传感器影响”的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。     

基于野外Vis-NIR光谱的土壤有机质预测与制图

利用野外实时快速获取的土壤光谱进行土壤有机质(SOM)预测与制图是精确农业与土壤遥感制图的必然需要,利用ASD FieldSpec Pro FR野外型光谱仪实时快速获取的光谱数据,去除噪声较大的边缘波段后,进行倒数的对数转换(Log(1/R))为吸收光谱。在分析吸收光谱和光谱指数与SOM关系的基础上,采用偏最小二乘回归法进行SOM的建模预测并借助地统计学方法进行SOM空间变异制图研究。结果表明,建模效果好的指标分别为特征波段(R2=0.91,RPD=3.28),归一化光谱指数(R2=0.90,RPD=3.08),特征波段与3个光谱指数组合(R2=0.87,RPD=2.67),全波段(R2=0.95,RPD=4.36)。光谱指标的克里格制图与实测SOM制图表现出相同的空间变异趋势,不同的指标均达到了较好的预测效果。     

基于模糊识别的苹果花期冠层钾素含量高光谱估测

依据2008年和2009年2年在栖霞试验区利用地物光谱仪ASD FieldSpec3测定的苹果花期冠层高光谱和实验室内测定的钾素含量数据,以冠层高光谱反射率及其11变换形式与钾素含量分别进行相关分析,以相关系数最大者为自变量,采用模糊识别算法,建立钾素含量估测模型;以2008年的检验样本对模型进行检验,并利用2009的独立试验数据对模型进行验证。结果表明,原始光谱反射率(R)及其倒数(1/R)、对数(lgR)、平方根(R1/2)与钾素含量的相关性较差,但它们的一阶微分和二阶微分与钾素含量之间的相关性明显增强;建立的钾素含量估测模型=11.344 5h+1.309 7的相关系数r为0.985 1,总均方根差RMSE为0.355 7,F统计量为3 085.6;24个检验样本实测值与估测值的平均相对误差为9.8%,估测精度为90.2%;2009年试验验证精度达到了83.3%。表明模型用于苹果花期冠层钾素含量的估测具有较高的稳定性,模型精度能满足生产上对苹果钾素含量估测的要求。     

基于二维相关光谱的水体叶绿素含量探测

利用Shimadzu UV2450分光光度计测量了含有不同叶绿素浓度的湖水样本在可见光和近红外区域的透射光谱,并使用实验室手段测量了水体的叶绿素含量。分析了湖水样本的透射光谱特性,同时引入二维相关光谱技术,利用叶绿素浓度值作为微扰量,得到水体叶绿素的动态光谱,进而结合二维同步谱图和异步谱图确定表征水体叶绿素浓度的特征波段。综合观察二维相关光谱中的同步谱图和异步谱图,更加精确地阐明了水体光谱特征,同时剔除水体中其他物质对于光谱信息的影响,更有效、全面地提取反映水体叶绿素信息的敏感波段。利用所选特征波段构建归一化水体叶绿素指数,将特征波段与叶绿素指数分别与水体叶绿素浓度建立线性预测模型。结果显示,归一化水体叶绿素指数的预测模型测定R2达到0.771 2,均方根误差是45.509 8 mg·L-1,预测R2达到0.765 8,均方根误差是39.503 8 mg·L-1。模型精度较利用特征波段建立的多元线性回归模型有了较大的提高,达到了实用水平。     

喀斯特典型地物混合光谱与复合覆盖度关系研究

喀斯特石漠化是我国西南喀斯特地区面临的主要生态环境问题之一。岩石裸露率以及植被覆盖度是石漠化主要的地面表现特征,也是评价石漠化的关键指标。由于喀斯特地区复杂的地貌情况,使得评价石漠化需要多种地物类型覆盖度信息。该文在实测光谱支持下,构建了系列光谱指数,初步分析了喀斯特地区典型地物混合光谱与复合覆盖度的关系。结果表明,光谱指数与覆盖度的相关性远远高于光谱反射率与覆盖度的相关性。植被指数和绿色植物(photosynthetic vegetation, PV)覆盖度有着很好的线性关系;该文构造的光谱指数和干枯植被覆盖度(non-photosynthetic vegetation, NPV)、土壤覆盖度有着较好的相关性,可决系数分别达0.70和0.73,显示了有估算NPV和土壤覆盖度的潜在能力。而光谱指数和裸岩率的相关系数稍低,最高达0.55,可以提供一定的裸岩率信息。所构建的4种指数形式中,表征光谱吸收特征深度的指数形式和NPV、土壤覆盖度以及裸岩率均拥有最高的相关性。这为高光谱遥感在喀斯特石漠化信息提取的应用进行了初步的探索。     

叶面降尘对香梨叶片高光谱特征的影响及定量反演研究

叶面降尘指大气中的浮尘经重力沉降后,在植物叶片表面所形成的一层明显积尘,对其进行监测,可为沙尘区的环境评价及农业灾害评估提供基本依据。在量化叶面降尘的基础上,研究了叶面降尘对南疆香梨叶片高光谱特征的影响,分析了叶面降尘与反射率的相关性,并建立了叶面降尘的高光谱定量反演模型。研究结果表明,叶面降尘使可见光(400~700 nm)反射率增加,最大变幅位于666 nm,绝对变化率为-10.50%,相对变化率为62.89%;使近红外(701~1 050 nm)的反射率降低,最大变幅位于758 nm,绝对变化率为12.04%,相对变化率为-41.75%。叶面降尘量大于20 g·m-2时,叶片除尘后,绿峰、红光吸收谷、蓝光吸收谷得到凸现,500~750 nm波段的斜率明显变大。叶面降尘量低于20 g·m-2时,其对绿峰的形状和面积影响不大。叶面降尘与反射率在可见光波段呈正相关,与近红外波段呈负相关,可见光波段的相关性要优于近红外波段,最大相关系数(0.61)出现在663 nm。在构建的七种PLSR反演模型中,倒数对数一阶微分模型具有较好的稳定性及预测能力,决定系数(R2)、均方根误差(RMSE)、预测方差比(RPD)分别为0.78,3.37和2.09,对叶面降尘具有很好的预测能力,其余模型的RPD均小于2.0。研究结果为叶面降尘的高光谱遥感监测提供了一定的理论依据,同时为沙尘区环境评价及农业灾害评估提供了新的数据获取方法与思路。     

冬小麦不同生育时期叶面积指数反演方法

针对当前作物叶面积指数遥感反演过程中,在不同生育时期采用相同的植被指数进行反演存在叶面积指数反演精度较低的问题。以冬小麦为研究对象,选取了对冬小麦覆盖度响应程度不同的六种宽带和四种窄带共10种植被指数,分析比较了在冬小麦整个生育期选用当前广泛使用的归一化植被指数(NDVI)反演冬小麦的LAI和在冬小麦不同生长阶段选用不同的植被指数反演冬小麦LAI的结果差异。在冬小麦整个生育期内使用NDVI反演小麦LAI得到的LAI反演值和真实值之间的R2=0.558 5,RMSE=0.320 9。改进的比值植被指数(mSR)适合于反演冬小麦生长前期(拔节期之前)的LAI,得到的LAI反演值和真实值之间的相关系数r=0.728 7,均方根误差RMSE=0.297 1;比值植被指数(SR)适于反演冬小麦生长中期(拔节到抽穗前),得到的LAI反演值和真实值之间的R2=0.654 6,RMSE=0.306 1;NDVI适于反演冬小麦生长后期(抽穗到成熟期)的LAI,得到的LAI反演值和真实值之间的R2=0.679 4,均方根误差RMSE=0.316 4。 研究表明：在冬小麦的不同生育时期,根据地表作物覆盖度的变化和反射率的变化,选择不同的植被指数建立冬小麦LAI的反演模型获得的反演精度均高于在冬小麦整个生育期使用NDVI获得的反演结果。说明在冬小麦的不同生育时期选择不同的植被指数构建LAI的分段反演模型可以改善冬小麦LAI的反演精度。     

辽东湾海冰反射特性

海冰反照率是研究海冰表面特性、海冰分布、海冰厚度和极地气候的重要光学量之一。将卫星于不同位置所测量到的海冰双向反射率准确地转化为相应的反照率的值,对于获得大规模海冰的时空特性是非常重要的。研究了辽东湾海冰反照率与海冰双向反射分布函数之间的相关关系。结果表明：(1)反照率与海冰组分密切相关,海冰表层颗粒物浓度越高,反照率α(λ)的值越小,气泡的含量越高,α(λ)越大;(2)当仪器探头天顶角θ为0°时,所测量的双向反射因子R_f与反照率α(λ)的值是相似的;随着θ的增大,R_f的值逐渐增大,且与探头方位角的相关性逐渐增强;当θ的值等于太阳天顶角63°时,R_f的值最大,且与探头方位角的相关性最强;(3)不同类型的冰具有不同的各向异性反射因子。