叶片滞尘对大叶黄杨光谱特征的影响及其滞尘量预测研究

大气颗粒物污染在全球范围内已成为严重的城市环境问题之一。为探究滞尘对叶片光谱特征的影响,并建立以高光谱数据为基础的叶面滞尘预测模型。以北京市常见绿化树种(大叶黄杨)为研究对象,设置高、中、低滞尘污染梯度,采集720个叶片样本,利用ASD Fildsoec Handheld光谱仪获取高光谱数据。结果表明:光谱反射峰分别在560和900 nm处,吸收谷分别在400～500, 600～700和1 000～1 050 nm范围内;有无滞尘的叶片反射率在不同波段表现出不同的规律,在400～760和760～1 100 nm范围内的光谱反射率大小分别表现为滞尘叶片除尘叶片、滞尘叶片除尘叶片;滞尘与除尘叶片在植被光谱曲线上的差异性较明显, 350～700和1 900～2 500 nm波段,滞尘叶片的光谱反射率略高于除尘叶片,而在780～1 400 nm范围内,滞尘叶片光谱反射率则显著低于除尘叶片,差异性表现为:重度污染区中度污染区轻度污染区;反射率在可见光波段(350～780 nm)随叶面滞尘量的增加而增大,而近红外波段(780～1 100 nm)的变化趋势则相反;粉尘对叶片的红边斜率影响较大,表现为滞尘叶片无尘叶片,而对红边位置没有显著影响。叶面滞尘量预测模型中,以叶面水含量指数、简单比值指数建立的二次多项式预测模型效果最好,分别为y=-1.18x~2+0.542 4x+0.991 7,y=-7.67x~2+3.692 4x+0.371 4。模型验证表明,R~2分别达到0.987 7和0.887 3,拟合效果较好,说明预测模型可有效地估测大叶黄杨叶面滞尘量。     

苹果花期的冠层高光谱特征研究

系统分析苹果花期冠层高光谱特征,探明其敏感光谱波段,为大面积苹果树信息提取与营养状况的遥感反演等提供理论依据。利用ASD Field Spec 3便携式地物光谱仪实测的120个苹果花期的冠层高光谱数据,在分析了不同累计样本容量对花期冠层高光谱特征影响的基础上,采用方差分析的方法,明确了苹果花期的冠层高光谱特征及反映花期冠层高光谱的敏感波段。结果表明,随着累计样本容量的增加,苹果花期的高光谱曲线趋于稳定、平滑。在550 nm绿峰处和760～1 300 nm的反射高原区,反射率随着花量的增多而减小,在670 nm的红谷处,反射率随着花量的增多而增大;在350～400 nm,400～500 nm,600～680 nm,760～1 300 nm波段的方差分析结果极显著,是反映花期冠层光谱的敏感波段;随着花量的增多,红边位置、红边斜率和红边面积有逐渐减小的趋势。     

干旱胁迫下春玉米拔节-吐丝期高光谱特征

通过监测辽宁锦州地区不同干旱胁迫条件下春玉米拔节-吐丝期冠层高光谱分布,研究其可见光、红边区和近红外光的光谱分布特征,分析不同波长光谱反射率与各深度土壤湿度的相关关系,结果表明：拔节-吐丝期,0～20 cm层土壤湿度与350～710 nm区间光谱反射率存在显著的负相关关系,各层土壤湿度(0～60 cm)与710～1 300 nm区间光谱反射呈正相关关系,其中40 cm深度土壤湿度与光谱反射率正相关性较好;红边区(680～760 nm)光谱反射率较好的反映了植株的生长状况,该区间单位波长光谱反射率变化由增加-减小,为相对较稳定的光谱区间。各层土壤湿度与红边参数的多项式回归趋势相似,表层0和20 cm土壤湿度与红边参数关系曲线呈先增加后减小趋势,40和60 cm土壤湿度则先减小后增加。     

蒙古栎展叶盛期变化的光谱特征及其影响因素研究

植物生长状况是反映环境变化的重要指标,在全球环境变化格局下,研究多环境因子及交互作用对植物的影响尤为重要。为探究植物光谱特征响应环境变化,从而探究环境变化对植物生长状况的影响,同时实现遥感对植物的监测,该研究以东北地区优势树种蒙古栎为研究对象,分析研究了不同光周期、温度和氮沉降交互作用引起的蒙古栎展叶盛期冠层光谱反射特征变化。基于大型人工气候室模拟试验,设置3个温度,3个光周期和2个氮沉降交互处理,每个处理4个重复。当蒙古栎进入展叶盛期时,每个处理选择差异较小的三个重复,使用FieldSpec Pro FR 2500型背挂式野外高光谱辐射仪测量光谱反射率。对不同处理的蒙古栎冠层光谱反射率进行分析,选取NDVI（归一化植被指数）、Chl NDI（归一化叶绿素指数）和PRI（光化学反射指数）3个常用的光谱指数作为辅助分析,同时计算一阶导数光谱以得到红边斜率、红边位置、红边面积等参数。不同处理展叶盛期的蒙古栎光谱反射率趋势大体一致,均符合植物特有的光谱反射特征,在350~680 nm范围内有一个小的波峰,680~750 nm反射率显著上升,750 nm后进入反射平台。结果表明：(1）光周期对于蒙古栎冠层的光谱反射率没有明显的影响;(2）增温会减小蒙古栎冠层在350~750 nm波段处的光谱反射率;(3）施氮会导致蒙古栎展叶盛期350~750 nm波段和750~1 100 nm波段处的光谱反射率降低;(4）增温和施氮的交互作用会显著减小蒙古栎的光谱反射率;(5）通过一阶导数光谱可清晰地指示植物的红边特征。研究结果可为物候变化的监测与影响因素分析提供理论依据。     

尘埃影响下的植被指数修正研究

植被指数是表征植被覆盖,生长状况简单有效的度量参数。本文以城市绿化主要植被大叶黄杨为例,研究叶片滞尘对植被指数的影响,并构建植被指数修正模型对植被指数进行修正优化,提高植被指数的测量精度。研究选取北京城区为研究区,采集20个采样点的200个叶片样本,利用电子分析天平、ASD高光谱辐射仪及Win FOLIA叶面积仪,分别获取叶片尘埃量、光谱信息、叶面积等数据。通过对比分析样本叶片除尘前、后光谱特征及NDVI、NDWI、NDNI、NDII、CAI、PRI植被指数分布特征差异,结合单位滞尘量与光谱数据,构建植被指数修正模型,并对修正模型进行精度检验。结果表明：大叶黄杨叶片在除尘前与除尘后的光谱曲线均表现出典型的植被光谱特征,且蓝边、红边均出现在520和705 nm处,然而在350～700,750～1 350,1 500～1 850,1 900～2 100 nm波段范围内,滞尘对叶片光谱反射率影响显著,同时对植被指数也有较大影响;通过对滞尘量定量的研究分析发现,当尘埃质量增加时, NDVI和PRI植被指数与尘埃量的线性关系变弱,而NDWI,NDII,CAI植被指数与尘埃量依然保持明显的线性关系。修正模型NDVI,NDII,CAI,PRI精度验证决定系数(R2)分别为0.547,0.430,0.653,0.960,RMSE分别为0.035,0.020,0.112,0.009。研究结果表明对以后利用植被指数进行大面积植被反演、评估时,根据滞尘量影响进行修正优化,提高反演精度有一定参考意义。     

北京市区绿色空间滞尘分布反演研究

北京市作为中国政治中心和京津冀特大型城市,近40年来城市化进程迅速,大气颗粒物和尘埃粒子污染问题较为突出,发挥绿色空间滞尘功能具有重要现实意义。将高光谱技术与遥感技术相结合,反演了市域尺度绿色空间滞尘分布。以北京市区绿色空间常见植被大叶黄杨(Euonymus japonicus)为研究对象,通过室外采样与室内试验获取叶片样本的滞尘量、光谱反射率和叶面积等数据,比较叶片滞尘前后的原始光谱曲线和反射率一阶导数特征,分析不同滞尘量对光谱反射率的影响,探究对叶片滞尘量高度敏感的波段。利用光谱响应函数将地面采集的窄波段光谱反射率数据分别转化遥感卫星的宽波段光谱反射率数据,建立对应卫星波段植被指数比值与滞尘量的回归模型,选取拟合效果最好的回归模型作为滞尘反演模型。结合GF-2影像所提取北京市区绿色空间范围,采用滞尘反演模型获取北京市区绿色空间滞尘分布。进而插值得到北京市区尘埃污染分布,采用空间自相关模型检验其空间聚集特性。结果表明：740~1 870 nm波段, 滞尘后光谱反射率明显低于滞尘前反射率,滞尘对红边、黄边、蓝边位置没有明显影响,对“红边幅值”和“红边面积”影响较明显,利用Sentinel-2影像计算的EVI指数与滞尘量相关性最高,所构建的线性与二次滞尘回归模型决定系数(R2)分别为0.705和0.751;利用2021年4月7日和2021年6月3日的Sentinel-2影像反演获取了北京市区绿色空间滞尘分布,其滞尘分布趋势表现为：市中心高于郊区,北部高于南部,东部高于西部。北京市区中部、北部和东部易产生尘埃污染。污染分布具有明显聚集性,并非完全随机。     

倒伏胁迫对水稻可视茎叶穗比率的影响及光谱响应解析

倒伏胁迫下作物的冠层光谱响应机理解析,是大范围作物倒伏灾情遥感监测的重要基础。倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率,通过解析冠层光谱与可视茎叶穗比率间的关系,探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律,为大范围作物倒伏灾情遥感监测提供理论支持。以2017年江苏省兴化市、大丰区的实发倒伏水稻为研究对象,在野外观测实验的支持下,分析不同倒伏强度的倒伏水稻冠层光谱变化规律,并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析,筛选能有效表征倒伏强度的敏感农学参数,采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型,实现水稻倒伏灾情的光谱诊断,并利用野外实测样本评价诊断精度。研究结果表明,随着倒伏强度的加大,冠层光谱表现出规律性变化,红光波段与近红外波段响应较为明显,“红边”位置明显“蓝移”,且“红边”振幅与“红边”面积增大,说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感;冠层可视叶茎比存在随倒伏强度增加而减少的规律,其相关性可达0.715,说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力;通过对可视叶茎比与冠层高光谱反射率进行相关性分析,分别于红光波段和近红外波段内筛选出698与1 132 nm作为敏感波段,进而计算特征植被指数;利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型,检验样本的决定系数为0.635,以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。因此,倒伏发生后水稻冠层的茎、叶、穗等组分在光谱探测器视场中的贡献比例发生了规律性改变,茎、叶、穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异,其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化,与倒伏强度具有较好的响应关系,不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。     

煤炭矿区植被冠层光谱土地复垦敏感性分析

煤矿区土地复垦及复垦监测工作,对于我国土地利用和生态环境治理具有重要意义。微生物复垦技术能够促进植物吸收利用矿质养分和水分,增强土壤肥力,对矿区生态恢复具有显著作用。监测和评价土地复垦效应对植物生长影响的传统方法,通常采用野外采集植物和土壤样本并进行室内分析,但这些方法不仅破坏植物根系原状土壤,造成植株损伤,而且耗费人力、物力,时效性差。高光谱遥感技术具有数据获取速度快、信息量大、精度高且无须离体破坏植株等优点,对于土地复垦监测有非常大的潜力。目前,土地复垦效应遥感监测相关研究仍以观测盆栽大豆、玉米等作物的叶片光谱分析为主。实际上,卫星遥感数据观测到的是冠层光谱,并非叶片光谱,但目前还没有通过植被冠层光谱对矿区土地复垦进行监测的研究成果出现。植被冠层光谱不仅受到叶片光谱的影响,还受到植株长势、下垫面等其他因素的影响,光谱特征变化更为复杂。矿区植被冠层光谱特征对于土地复垦效应的敏感度分析,是对矿区植被理化参量进行定量反演的基础,也是限制高光谱技术应用于大面积土地复垦监测的主要瓶颈。于煤炭矿区土地复垦实验基地开展野外冠层光谱观测实验,获取了接菌组和对照组野外植株冠层光谱数据,并从光谱波形变化和光谱特征参量变化两方面综合分析了植被冠层光谱对土地复垦的敏感性。冠层光谱波形方面,分别采用标准差和光谱敏感度作为组内和组间光谱波形差异的有效指标;冠层光谱特征参量方面,选取了植被红边、黄边、蓝边、绿峰、红谷等典型光谱特征,计算获取其位置、斜率、面积等特征参量,并通过描述性统计和单因素方差分析研究了这些冠层光谱特征参量对土地复垦效应的敏感性,挑选出矿区土地复垦监测的有效特征参量。研究表明,接菌组和对照组冠层光谱的主要波形变化趋势一致,但接菌组植株的生长状况更稳定,不同植株之间差异较小,且绿峰和红谷两个特征更突出。这说明土地复垦能够减少植株间冠层光谱差异,增强植被典型光谱特征,而绿峰和红谷对土地复垦有较高的光谱敏感度。光谱特征参量方面,绿峰、红谷、红边波长在土地复垦作用下显著向长波方向移动,而此前叶片光谱研究中对土地复垦较敏感的红边、蓝边斜率变化并不显著。这说明,野外植被冠层光谱分析结果与实验室植被叶片光谱分析的结果并不完全一致,这可能和植被类型、生长周期、土壤背景光谱干扰等因素相关。在采用卫星或航拍遥感数据进行矿区植被环境监测时,所获取的都是植被冠层光谱,因此本研究所得到的结论具有更强的参考意义和实际应用价值。     

基于光谱特征的北京城区植被滞尘分布反演

植被叶片的滞尘量可以表征空气污染的程度, 分析城市植被滞尘的空间特征对于制定更为有效的空气污染控制政策具有重要的现实意义。基于北京市主城区采集的大叶黄杨、国槐、毛白杨和山桃等四种典型绿化植被叶片的滞尘量、光谱反射率和叶面积等数据,比较四种植被叶片滞尘前后的光谱曲线,进行窄波段与卫星波段滞尘前后叶片光谱反射率比值与滞尘量的相关分析。然后,分别建立相关性最大的卫星波段反射率和NDVI与滞尘量之间的回归模型, 选取拟合较好的模型反演北京城区植被的滞尘量分布,进而插值得到整个北京城区的尘埃分布。最后,根据高滞尘区域周围的土地覆盖和土地利用以及滞尘期间PM₁₀浓度的空间分布对反演的的合理性进行检验。结果表明：在780~1 300 nm波段,大叶黄杨、国槐、毛白杨和山桃四种植被的滞尘叶片反射率均明显低于干净叶片;窄波段反射率与滞尘量在520~650 nm波段和1 390~1 600 nm波段具有较高的相关性,相关系数的绝对值最高达到0.626;利用Landsat8的green波段和NDVI构建的滞尘反演模型,决定系数(R2)分别为0.446和0.465。NDVI模型反演的北京城区植被的滞尘量分布结果表明,北京城区滞尘含量呈现出北高南低,东高西低,中心城区高于郊区的空间分布格局。该研究通过高光谱和遥感影像数据反演滞尘量,可以为快速全面监测城市地区尘埃分布提供参考。     

不同碱化程度土壤对其上覆植被冠层光谱特征的影响

通过实地光谱测量,研究了不同碱化程度土壤上向日葵在不同生育期冠层光谱反射率、红边参数及与对应的土壤碱化度和pH之间的关系。结果表明,不同碱化程度土壤上向日葵生育期冠层反射光谱具有绿色植物的光谱反射特征,随着向日葵生育期的推进,向日葵冠层光谱反射率逐渐增大,到开花期在809nm处形成一个高的反射峰。在近红外短波范围,向日葵光谱反射率随碱化程度的减轻而增大。用红边一阶微分光谱特征参数分析,向日葵冠层反射光谱红边位置在整个生育期处于702~720nm之间,并随着碱化程度的加重,红边位置和红边斜率呈"蓝移"现象;而在同一碱化程度水平上,随向日葵生育期的推进,红边位置和红边斜率均出现先"红移"后"蓝移"的现象。相关分析和回归分析显示,土壤碱化度、pH与红边位置均呈极显著正相关和二次多项式关系,R2值分别为0.745 6和0.615 3。     

叶面尘对作物反射光谱及氮营养监测的影响

光谱检测技术已成为作物营养诊断的重要手段,但复杂的大田环境也增加了光谱的不确定性。以叶面尘对国道旁玉米反射光谱的影响为研究内容,分析了除尘前后叶片反射率及一阶导数光谱的差异,进而考察了叶面尘干扰下的氮营养光谱监测模型预测精度。结果表明：相对于无尘叶片,叶面尘使得叶片在可见光和短波红外光区的反射率增加,而在近红外光区的反射率减少;三边位置、蓝边斜率和黄边斜率在除尘前后无变化,而有尘叶片的红边斜率和三边面积均较无尘叶片减小;叶面尘干扰下的全氮含量光谱监测模型R2减小,预测精度降低。试验对叶面尘作为光谱检测干扰条件作了初步探讨,为今后叶面尘影响评价及建立修正模型提供理论依据。     

星载成像高光谱的湿地景观光谱特征分析

光谱特征是地物的固有属性,分析地物光谱不仅有助于提高地物识别精度,也是定量遥感研究的基础。然而受限于尺度效应,近地空间采集的光谱与遥感像元尺度的光谱往往差异较大。因此,在遥感像元尺度上揭示湿地典型景观地类的光谱特征,将有助于大尺度湿地遥感分类和植被参数反演精度的提高。以华北平原典型的草型湖泊湿地南阳湖为对象,基于EO-1 Hyperion星载成像高光谱数据,提取荷田、芦苇地、林地、水田、旱地、建筑用地、河道和湖泊鱼塘等8类湿地景观的反射率,并进行光谱一阶导数变换,同时计算多种高光谱植被指数,定量分析景观尺度上湿地地物的光谱特征。结果表明：（1）8种湿地景观地物反射率光谱差异明显,其中5种不同植被景观也存在差异。荷田反射率在全波段明显高于其他景观地类,荷田的绿波段反射峰和红波段吸收谷最明显。芦苇地与水田在可见光和红边区域具有相似的反射光谱特征,水田与旱地反射光谱曲线不同,且水田的绿峰明显高于旱地。（2）8种景观在蓝边、黄边及红边处的一阶导数光谱差异明显,尤以红边处最显著。荷田的红边斜率最大且红边位置明显蓝移（712 nm）,说明其叶绿素含量高,健康状况最好。林地的红边斜率次之,但红边位置明显红移（722 nm）。（3）林地具有最大的植被指数,水体和建筑用地植被指数均较低,其他景观地类居中。芦苇地、水田、旱地和荷田在大多数与归一化植被指数（NDVI）相关的指数中差异不明显,仅在增强型植被指数（EVI）和红边叶绿素指数（Chlorophyll Index RedEdge 710）中存在较明显差异,说明这两个指数能够更有效地指示湿地植被类型之间绿度和覆盖度的差异。该研究对于草型湖泊湿地景观地物高精度分类及其植被参数的遥感反演具有借鉴意义。     

高光谱反射率的滨海地区土壤全磷含量反演

反射光谱在近年来广泛应用于土壤属性的估算。作为一种有效估算土壤全磷含量的手段,反射光谱技术可以很大程度上减少传统化学测量方法所损耗的人力物力。以江苏滨海土壤为研究对象,在30个采样点采集了共147个土样,测量土壤样品光谱反射率及全磷含量。利用原始光谱反射率数据及6种不同的光谱变换结果,通过随机抽样（RS）、KS、SPXY三种样本集划分方法,基于偏最小二乘回归（PLSR）和支持向量机（SVM）方法分别建立土壤全磷含量的估算模型,对比分析了三种样本集划分方法对估算结果精度的影响。结果表明：（1）以原始光谱反射率为数据,PLSR模型,RS方法在多数情况下可以获得较为稳定的模型精度,明显优于KS和SPXY方法;在SVM模型中,采用SPXY方法获得的模型结果最优,KS次之,RS结果最差。（2）不同的样本集划分方法所合适的光谱变换方法不同,对于三种划分样本集方法,PLSR和SVM对应的最优光谱变换分别是对数的倒数和一阶导数（KS方法）,原始光谱和一阶导数（RS方法）,一阶导数和多元散射校正（SPXY方法）。其中采用KS方法划分样本集,PLSR和SVM均能获得最佳的预测结果。并非所有光谱变换方法都可以提高模型精度,部分光谱变换后PLSR模型预测精度显著降低;（3）在所有的样本集划分方法中,SVM的建模效果优于PLSR,采用RS方法划分样本集,PLSR的预测精度高于SVM,而采用KS和SPXY方法划分样本集,SVM的预测精度整体高于PLSR。综上所述,本研究区域估算土壤全磷含量的最佳模型是基于KS样本集划分方法和一阶导数光谱变换建立的SVM模型,此时拟合优度（R2_p）为0.82。结果表明反射光谱可以对滨海地区的土壤全磷含量进行有效预测,对土壤磷元素的高效快速反演具有一定的指导意义。     

土壤表层湿度影响下冬小麦晚霜冻害及冠层光谱检测

为探究土壤表层湿度影响下冬小麦冠层光谱反射率响应晚霜冻害的特征,并检验敏感光谱波段预测小麦产量变化的能力,于2013和2014年小麦拔节期,分别设置了表层土壤含水量为10%(干)、10%~20%(中)和20%(湿)的三个湿度处理的冻前试验,并在低温室内进行降温处理。分析了不同土壤表层湿度下受冻冬小麦的穗数、穗粒数、千粒重、单株产量、冠层光谱反射率及其一阶微分值的差异,对冬小麦冻害产量变化率和高光谱特征参量进行了相关分析和一元线性拟合。结果表明:冬小麦穗粒数和单株产量总体上均随土壤表层湿度的降低而呈减少态势,在土壤表层干处理条件下冻害对冬小麦产量造成的影响最为显著(p0.05);在绿峰(523nm附近)、黄边(571nm附近)、红边(732nm附近)和近红外台的两个水分吸收带(952和1 145nm附近),干+冻害处理冬小麦冠层反射率的一阶微分值与中+冻害、湿+冻害处理的差值明显;剥离了土壤表层湿度对光谱的影响后,冬小麦冠层反射率一阶微分差值在以570nm为中心的黄边区域和以710nm为中心的红边区域对干、中和湿梯度处理下晚霜冻害响应的差异明显;两年试验中的黄边面积(SDy)和570nm处一阶微分值(d570)均与冻害产量变化率达到显著正相关(p0.05),说明黄边区域的高光谱特征参量可用于检测土壤表层湿度影响下的冬小麦晚霜冻害程度。本研究可为土壤表层湿度和晚霜冻害叠加影响下冬小麦产量变化预测方法的探讨提供参考。     

基于单叶反射光谱的转基因大麦光合特性分析

反射光谱分析可为植物叶片生理学过程、叶片表面及内部生化组分、结构特征等提供丰富信息。本文以转基因大麦及其原始栽培种为材料,基于单叶反射光谱检测研究了转基因大麦的反射光谱特征及指数的变化。研究结果表明,将不同大麦叶片反射率配对求得反射率比值曲线易于探查出不同大麦品系间反射光谱差异,且转基因大麦与传统对照差异较大的区域主要集中在650～700nm的红谷及红边位置附近,该波段的光谱反射率可能对外源基因的插入扰动反应敏感;而在550nm附近的绿峰及750nm以上近红外区的反射率基本无明显变化。反射光谱指数λRE,mND,SIPI,RRed/RGreen,PRI及NIRR800的差异性变化呈现出时间特性且取决于品系。如上述指数显著变化将意味着植物光合生理过程、功能及状态发生改变。     

基于Hyperion高光谱数据的温带森林不同冠层结构的光谱特征分析

冠层是植被进行生态过程的主要层次,森林冠层结构影响冠层生化组分的遥感反演,因此对其光谱特征的分析有助于提高冠层生化组分反演的精度。以长白山温带阔叶红松林为研究对象,利用Hyperion高光谱数据提取不同林冠反射率,运用连续统去除和光谱一阶微分法进行光谱变换,定量分析森林冠层的光谱特征。通过计算样方阔叶树种优势度(BFDI),以及一系列光谱指数(NIR,NDVI,EVI,NDNI,SPRI*NDVI和SPRI*EVI),探讨冠层结构组成对其光谱特征及光谱指数的影响。结果表明：(1)相比阔叶林冠层,针阔混交林、美人松林和樟子松林冠层光谱的红边有左移趋势,斜率明显下降,蓝边、黄边斜率特征也相应减弱,近红外波段反射率明显下降,可见光波段的归一化反射率有上升趋势,表明不同林冠,尤其针叶林与阔叶林林冠之间的光谱特征差异明显。(2)BFDI对冠层NIR反射率和三边斜率有明显的影响,与光谱指数显著相关(P<0.01),表明BFDI影响森林光谱指数。BFDI与NDVI,EVI,SPRI*EVI,NIR,SPRI*NDVI,NDNI的R2分别达到0.90,0.83,0.83,0.81,0.68,0.59,揭示了BFDI对于冠层绿度、叶面积指数、植被生产力以及冠层叶氮浓度等植被参数存在一定影响。研究表明,利用星载高光谱数据结合地面样方调查可以很好地阐明林冠结构组成对于光谱特征的影响,也对优化植被冠层生化组分和森林生态系统生产力的遥感反演具有借鉴意义。     

作物植被覆盖度的高光谱遥感估算模型

通过大田试验,使用ASD光谱仪测量了油菜、玉米、水稻三种作物不同覆盖度水平下的冠层光谱,同时拍照获取植被图片并用计算机求算了植被覆盖度。利用三种作物光谱求算“红边”变量,并对波段两两组合求算归一化植被指数(NDVI),建立这些光谱变量与覆盖度之间的估算模型,得到适用于三种作物的最优估算模型和最佳的NDVI波段组合。另外,利用响应函数模拟了TM归一化植被指数,同植被覆盖度进行了相关分析,回归方程的R2达到0.80,并通过了预留数据的检验,为TM数据植被覆盖度估算进行了探索性的研究。