部分植被化复式河道水流的二维解析解

运用涡粘模型理论对部分植被化复式河道的水流水深平均流速和边壁切应力分布进行了求解.通过对水流微元体进行纵向受力分析建立相应的控制微分方程,其中植被对水流的影响归结为拖曳力项.同时将复式渠道划分为3个子区域,通过联立求解各区域微分方程中的定解系数,最终得到均匀流的条件下各区水深平均流速的横向分布的解析解.在获得水深平均流速的横向分布后,可进一步给出对泥沙输移有重要影响的河床切应力的横向分布.通过与试验测得的资料比较,表明给出的解析解能够为工程设计提供足够精度的水力特性的预报.     

基于光谱反演的青藏高原1982年到2014年植被生长趋势分析

植被在陆地碳循环和气候系统中发挥着重要作用 ,近几十年来众多研究集中于分析植被生长状况的动态变化.拥有大面积高海拔区域的青藏高原是"世界的第三极" ,其植被生长状况对全球变暖现象十分敏感.而由光谱的可见光红波段和近红外波段反演产生的NDVI ,则是监测植被生长状况的最有效工具之一.通过一元线性回归模型 ,在青藏高原地区利用2000年到2014年的MODIS资料将GIMMS NDVI数据集从1982到2006年的时间序列扩展至2014年.相比已有的研究 ,因考虑了尺度变化引起的残差 ,NDVI扩展数据集的精度得到进一步提高.该方法可以为今后不同NDVI数据集耦合提供一种新的思路.利用1982年到2014年的NDVI新数据集可以发现以下结果 :青藏高原植被生长季的生长存在明显的增长趋势(0.000 4 yr-1 ,r2 =0.585 9 ,p<0.001) ,春、夏和秋季的增长率分别为0.000 5(r2 =0.295 4 ,p=0.001) , 0.000 3(r2 =0.105 3 ,p=0.065)和0.000 6(r2 =0.436 7 ,p<0.001).因高原植被生长 ,促进该区域碳积累效应 ,故青藏高原植被在1982到2014年间是一个稳定的碳吸收区.结合高原温度和降水资料分析植被生长状况增长的原因 ,虽二者都具有增长趋势 ,不过生长季及春、夏和秋季的NDVI变化状况同温度的相关性显著高于降水.在空间分布上 ,各区域植被增长趋势同温度、降水变化都具有明显的空间异质性.     

北京一号,环境星,Landsat TM传感器估算草地覆盖度、叶面积指数、地上生物量比较研究

以京津风沙源区的草地为研究对象,选取中国自主B J-1、HJ数据及国外应用最为广泛的LandsatTM为数据源,结合地面同步实测草地植被覆盖度、叶面积指数和地上生物量数据,系统比较三个传感器在草地生理参数估算方面的差异与能力.研究结果表明:(1)HJ-1B与Landsat TM的红光波段与草地生理参量有更高相关性,而B J-1相对较弱,但BJ-1近红外波段在草地生理参量遥感估算上明显优于HJ-1B与Landsat TM; (2)Landsat TM的植被指数在估测草地生理参量时好于HJ-1B与BJ-1数据,HJ-1B植被指数的表现优于BJ-1;(3)相对于植被指数,全波段多元回归模型可以提升草地生理参量估测精度,基于Landsat TM与HJ-1B的提升效果微弱,而基于BJ-1数据的估算精度有明显提高,其中基于BJ-1估算叶面积指数达到了最高精度(R2 =0.61,RMSEP=0.15).总体来说,自主国产遥感数据有其自己特色,可供深入研究及推广应用的潜力很大.     

基于多光谱数据的永定河流域植被生物量反演

用传统研究植被生物量实测的方法不仅耗时费力,而且由于影响因子不易确定会导致预估精度不高。选择永定河流域河北——北京段为研究区域,以该地区2009年7月20日的TM影像数据为数据源,结合当地分辨率为30米的数字高程模型(digital elevation model,DEM)数据和其他相关辅助解译资料,并借助全站仪等高精度测量仪器进行外业调查,归纳出永定河地区遥感因子与植被生物量可能存在的函数关系,通过多元线性回归分析遥感影像因子并建立反演模型,最后将反演模型进行精度分析。通过将实测值和预测值分析对比,得出反演模型总体相对误差为-0.025%,平均相对误差为-0.016%,总体预估精度高达84.56%。模型的建立可对大范围流域生态环境因子进行及时、快速、准确地调查,为永定河生态环境问题诊断提供实验数据。     

基于Landsat 8 OLI数据的玉米冠层含水量反演研究

植被含水量是作物长势好坏的指示因子,利用遥感技术及时准确监测植被含水量对农业生产、作物估产和干旱状况评价具有重要意义。基于新一代对地观测计划Landsat 8 OLI传感器(Operational Land Imager,陆地成像仪),评价其植被含水量反演的能力与局限性。首先,利用ProSail冠层模型模拟冠层光谱反射率数据集,分析OLI传感器的植被含水量敏感波段以及土壤背景对各波段反射率的影响,然后利用基于Landsat OLI影像计算的植被水分指数和2013年6月1日—8月14日期间采样的植被含水量数据,比较12种植被水分指数与地面实际采样的植被含水量的相关性,评价估算植被含水量的最佳植被水分指数。结果表明：OLI传感器的红、近红外和两个短波红外对植被含水量敏感,其中近红外波段最为敏感;在低植被覆盖度时,土壤背景反射率的太阳辐射将达到光谱传感器影响植被水分指数与植被含水量之间的关系,利用ProSail模拟干湿土壤背景反射率结果也表明土壤背景对植被冠层反射率的影响很大;引入优化土壤调整植被指数(OSAVI)去除土壤背景对植被水分指数的影响;在12种植被水分指数中,MSI2与植被含水量的拟合关系最好(R2=0.948),植被含水量的平均拟合误差为0.52 kg·m-2;在植被生长晚期即植被含水量大于2 kg·m-2时,各植被水分指数出现饱和情况,植被含水量的估算结果不佳。     

基于近地面高光谱影像的冬小麦日光诱导叶绿素荧光提取与分析

结合FluorMOD模型模拟数据与利用光谱分辨率3.3 nm、光谱采样间隔为0.71~0.74 nm近地面成像高光谱系统获取的抽穗期小麦高光谱影像比较3种基于夫琅和费线暗线的提取方法(FLD,3FLD和iFLD)的精确性和稳定性。结果表明当光谱分辨率为3.3 nm时,在760 nm附近的O₂-A波段可以有效提取日光诱导叶绿素荧光,而在687 nm附近的O₂-B波段不适合。当存在噪声时,FLD和3FLD的稳定性高于iFLD,FLD倾向于高估荧光值。     

基于垂直观测的植被冠层高光谱偏振反射特性研究

以玉米冠层为研究对象,首先利用偏振反射机理分析了玉米冠层的反射信息中存在偏振现象;随后在抽穗前不同生长时期垂直观测方向对其高光谱偏振信息进行了测量,证明了理论推导,而且发现偏振光在总的反射光中所占的比例可达10%。这即表明了偏振测量可以为对地遥感提供辅助信息,同时也说明利用偏振信息反演大气参数时应该考虑地表偏振对它的影响。     

基于野外测量研究植被冠层偏振光谱反射特性

植被冠层反射太阳光会产生部分偏振光,这为偏振遥感探测提供了信息源。利用地基平台开展野外偏振测量是非常重要的研究,它不仅能获取植被冠层本质的偏振反射特性,而且还可以与机载或者星载平台数据进行匹配;虽然研究者们已经通过机载或者星载偏振探测器获取了大量植被冠层的偏振反射信息,但是关于地面植被冠层偏振反射分布特性的研究却很少。因此,为了详细研究植被冠层的偏振反射特性,基于野外多角度高光谱偏振测量与偏振反射物理机制,分析了植被冠层偏振光谱特性及其偏振反射分布特性;随后,反演了两种偏振模型的参数,将测量值与模拟值进行对比分析。研究结果发现,植被冠层的偏振反射具有明显的各项异性特征,而且与波长之间存在微弱的关系;同时,偏振模型可以很好地模拟植被冠层的偏振反射信息,可以作为研究植被冠层的理论依据。该研究测量的偏振反射信息与模型计算值之间呈现良好的吻合性,既描述了植被冠层偏振反射分布特性,又证明模型的有效性和测量结果的准确性。对植被冠层偏振特性的详细研究,不仅有助于完整地解释植被冠层与电磁波之间的辐射响应特征,而且对于偏振遥感对地观测以及地表偏振信息对大气偏振信息的研究也具有重要科学价值。     

植被结构特征对MODIS光谱干旱指数的影响

基于MODIS光谱反射信息的干旱指数在农业生产实践中有广泛的应用。利用PROSAIL模型和山东2010年的观测数据,研究了植被叶面积指数和生理生长周期等结构特征对MODIS光谱干旱指数的影响。结果表明,MODIS近红外与短波红外三个波段的反射率随植被叶片含水量变化明显,由他们构建的五种MODIS光谱干旱指数能够监测植被叶片水分含量。然而,各干旱指数均受叶面积指数(LAI)的影响,在LAI较低时影响较为严重,随着LAI的增大,这一影响逐渐减弱;植被生理生长周期也会影响干旱指数的大小。因此,在使用MODIS光谱干旱指数进行区域干旱监测时,必须考虑植被结构特征,谨慎分析监测结果。研究结论将为干旱遥感监测提供理论基础。     

基于植被特征库的高光谱植被精细分类

目前,高光谱数据精细分类面临两方面问题：一方面,传统单纯利用光谱信息的分类往往难以满足各应用行业对精度的需求,另一方面,基于像元的分类结果受制于椒盐噪声,影响其有效应用。为此,提出了一种基于植被特征库构建与优化的高光谱植被精细分类策略。首先,从高光谱影像中的原始光谱特征出发,结合灰度共生矩阵和局域指示空间分析两类纹理特征,并有针对性地加入了对植被叶绿素、胡萝卜素、花青素和氮素叶面积指数等理化参量敏感的光谱指数特征,构建了完备的植被特征库,以提高植被类别间的可分性;进而对植被特征库进行光谱维优化,提出了基于类对可分性的光谱维优化算法,选择对各类对具有最高识别能力的特征波段,通过迭代使各类别间均达到较高的区分度,并利用最优索引因子法进一步降低数据冗余,以提高分类效率;在进行植被特征库空间维优化时,主要基于地物分布通常具有一定的空间连续性这一理论,提出了基于邻域光谱角距离的植被特征库空间维优化算法,以去除分类结果中的椒盐噪声,提高分类精度和分类图像平滑度。基于航空高光谱数据的植被精细分类验证表明,该方法可以显著提高分类精度,在作物品种识别、精准农业等方面将具有广泛的应用前景。