共查询到19条相似文献，搜索用时 125 毫秒
1.
遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。 相似文献
2.
黑河流域遥感物候产品验证与分析 总被引：2，自引：0，他引：2
植被物候遥感产品对全球变化响应、农业生产管理、生态学的应用等多领域研究具有重要意义。但现有植被物候遥感产品还有较多问题,主要包括一方面使用不同参数的时间序列数据以及不同提取算法导致的产品结果差异较大,另一方面在地面验证中地面观测数据与遥感反演数据的物理含义不一致导致的验证方法的系统性误差。本文以黑河流域为研究区,对比验证基于EVI(Enhanced Vegetation Index)时间序列数据提取的MLCD(MODIS global land cover dynamics product)植被遥感物候产品和基于LAI(Leaf Area Index)时间序列数据提取的UMPM(product by universal multi-life-cycle phenology monitoring method)植被遥感物候产品的有效性及精度等。同时,通过验证分析进一步评估基于EVI和LAI时间序列提取的物候特征的差异及特点,探讨由于地面观测植被物候与遥感提取植被物候的物理意义的不一致问题导致的直接验证结果偏差。结果表明:UMPM产品有效性整体高于MLCD产品,但在以草地和灌木为主的稀疏植被区,由于LAI取值精度的原因,UMPM产品存在较多缺失数据,且时空稳定性较低;基于玉米地面观测数据表明,EVI对植被开始生长的信号比LAI更加敏感,更适合提取生长起点,但植被指数易饱和,峰值起点普遍提前,基于LAI提取的峰值起点更加合理。由于地面观测的物候期在后期更加关注果实生长,遥感观测仅关注叶片的生长,遥感定义的峰值终点和生长终点与玉米的乳熟期和成熟期差异较大。 相似文献
3.
山地叶面积指数反演理论、方法与研究进展 总被引：2，自引：0，他引：2
叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数，在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段，当前LAI产品主要基于遥感数据反演得到，但是多数LAI产品算法并未考虑地形特征的影响，导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响，其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法，综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展，总结了目前山地LAI遥感反演存在的问题，并讨论了未来研究的发展趋势。 相似文献
4.
叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。 相似文献
5.
运用动态谐波回归模型(Dynamic Harmonic Regression,DHR)对MODIS的长时间序列的LAI产品进行分析,可以从中分离出LAI随时间变化的多年趋势、季节变化及残差等主要成分,通过建立的模型实现LAI年间变化的短时预测。本文将所述DHR模型分析方法试用于遥感数据产品随时间变化的信息提取,对LAI年间变化的预测结果证明该方法用于遥感像元尺度LAI产品的时间序列分析与预测的效果良好。 相似文献
6.
当前对MODIS LAI产品的真实性检验工作中,更多的是关注遥感产品在数值与趋势上与地表真值的一致性程度,很少工作能够全面分析遥感LAI产品偏差来源以及不同来源的偏差对全局偏差的贡献率。本文在对MODIS LAI产品进行真实性检验基础之上,进一步分析了MODIS LAI产品偏差来源。将遥感产品真实性检验偏差来源分解为反演模型,反射率数据和冠层聚集效应3个方面,并定量分析各个偏差源对真实性检验结果的影响。以河北省怀来玉米为研究对象,结合实测LAI数据和Landsat 8 OLI(Operational Land Imager)数据建立NDVI LAI半经验模型,得到LAI参考数据,据此对MODIS LAI产品进行真实性检验及偏差分析。研究表明,该区域MODIS LAI产品存在明显的低估现象,参考数据和MODIS LAI数据均值分别为3.53 m2/m2和2.33 m2/m2,MODIS产品低估为34.14%。在各个偏差因素中,反射率数据的差异对结果影响最大,即MODIS地表反射率数据与Landsat 8 OLI地表反射率数据的差异造成的偏差占总偏差的57.50%;聚集效应的影响次之,占总偏差的28.33%;模型差异对结果的影响最小,占总偏差的14.17%。本研究对遥感产品真实性检验及其不确定性分析具有一定的借鉴意义。 相似文献
7.
叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据,为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据,建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值,对MODIS LAI产品进行了精度验证与稳定性评价,分析了MODIS LAI与LAINet地面测量的差异原因。结果表明：与Landsat 8参考真值相比,MODIS LAI生长季的质量（RMSE2018=1.17,RMSE2019=1.14）优于衰落季（RMSE2018=1.39,RMSE2019=1.84）,MODIS LAI总体低估,尤其是生长季后期。时间序列上,MODIS LAI产品能够刻画植被生长和凋落的季节特征,但生长前期波动性要强于后期。与L... 相似文献
8.
与传统遥感观测相比,多角度对地观测通过对林木多个方向的观察,可得到丰富的森林三维空结构信息,为定量遥感提供新的途径。本文根据不同遥感数据选择合适的模型并建立相应的查找表。TM/ETM+数据采用混合像元分解模型,CHRIS数据考虑不同森林场景选择不同的遥感物理模型,在选择合适的模型基础上,根据模型的不同敏感参数和试验区选择的特点设计查找表参数,并由模型正演建立查找表,再根据插值的方法由遥感图像的反射率值反演LAI。两种数据反演得到的LAI与MODIS 15A2 LAI产品比较分析。结果表明多角度遥感反演准确率有一定的提高,具有一定的理论研究和实际应用价值。 相似文献
9.
基于PROSPECT＋SAIL模型的遥感叶面积指数反演 总被引：4，自引：1，他引：4
以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。 相似文献
10.
基于尺度下降理论,利用高时间分辨率的MODIS遥感影像数据,结合同时间段高空间分辨率的ETM+遥感影像及其分类数据,应用混合像元分解技术,获得了不同时间段的MODIS子像元类别反射率数据。通过类别反射率与像元反射率间的关系模型,以原有的ETM+影像的像元反射率和时间序列的类别反射率,模拟出具有高时间分辨率与高空间分辨率特征不同时间段的模拟影像,实现了遥感影像地物类别反射率在时间上和空间上的细化。通过计算模拟影像与真实影像的相关系数,以及比较模拟影像与真实影像生成的NDVI影像,验证了该方法的有效性。 相似文献
11.
A leaf area index is a key parameter reflecting the growth changes of vegetation and one of the most important canopy structural parameters for performing quantitative analyses of many ecological and climate models. Although using high-resolution satellite data and the radiative transfer model (RTM) can be used to generate high resolution LAI products, the RTM method has some problems because its temporal resolution is low, the input parameters are more appropriate for a physics model, and some parameters are difficult to obtain. Problems that urgently need to be solved include improving the temporal-spatial resolution for LAI products and localizing LAI products. To explore an applicable method for the high-resolution LAI products in a small basin and to improve the inversion accuracy, we propose an approach for GF-1 WFV LAI retrieval using MOD15A2 data and the measured LAI of the Poyang Lake watershed. Empirical models were used to retrieve high resolution LAI values, and the results show that these models are well designed for analyzing time-series satellite data. Good correlations were obtained between the NDVI of the GF-1 WFV data, the retrieved LAI values and the MODIS LAI data from samples acquired in both summer and winter. The exponential NDVI model obtained the best LAI value estimation results from the GF-1 WFV data (R2 = 0.697, RMSE = 1.100); the best synthetic validation of the RMSE is 0.883, close to the optimum model. Therefore, the retrieval results more fully reflect the growth process of the different features. This study proposed an upscale method for developing a high spatial resolution GF-1 satellite standard LAI products retrieval model using MODIS data. The proposed method will be helpful for efficiently improving the temporal-spatial resolution of LAI products to benefit the extraction of vegetation parameter information and dynamic land use monitoring. 相似文献
12.
Feng Gao Morisette J.T. Wolfe R.E. Ederer G. Pedelty J. Masuoka E. Myneni R. Bin Tan Nightingale J. 《Geoscience and Remote Sensing Letters, IEEE》2008,5(1):60-64
Ecological and climate models require high-quality consistent biophysical parameters as inputs and validation sources. NASA's moderate resolution imaging spectroradiometer (MODIS) biophysical products provide such data and have been used to improve our understanding of climate and ecosystem changes. However, the MODIS time series contains occasional lower quality data, gaps from persistent clouds, cloud contamination, and other gaps. Many modeling efforts, such as those used in the North American Carbon Program, that use MODIS data as inputs require gap-free data. This letter presents the algorithm used within the MODIS production facility to produce temporally smoothed and spatially continuous biophysical data for such modeling applications. We demonstrate the algorithm with an example from the MODIS-leaf-area-index (LAI) product. Results show that the smoothed LAI agrees with high-quality MODIS LAI very well. Higher R-squares and better linear relationships have been observed when high-quality retrieval in each individual tile reaches 40% or more. These smoothed products show similar data quality to MODIS high-quality data and, therefore, can be substituted for low-quality retrievals or data gaps. 相似文献
13.
Fábio Marcelo Breunig Lênio Soares GalvãoAntônio Roberto Formaggio José Carlos Neves Epiphanio 《International Journal of Applied Earth Observation and Geoinformation》2011
The Moderate Resolution Imaging Spectroradiometer (MODIS) is largely used to estimate Leaf Area Index (LAI) using radiative transfer modeling (the “main” algorithm). When this algorithm fails for a pixel, which frequently occurs over Brazilian soybean areas, an empirical model (the “backup” algorithm) based on the relationship between the Normalized Difference Vegetation Index (NDVI) and LAI is utilized. The objective of this study is to evaluate directional effects on NDVI and subsequent LAI estimates using global (biome 3) and local empirical models, as a function of the soybean development in two growing seasons (2004–2005 and 2005–2006). The local model was derived from the pixels that had LAI values retrieved from the main algorithm. In order to keep the reproductive stage for a given cultivar as a constant factor while varying the viewing geometry, pairs of MODIS images acquired in close dates from opposite directions (backscattering and forward scattering) were selected. Linear regression relationships between the NDVI values calculated from these two directions were evaluated for different view angles (0–25°; 25–45°; 45–60°) and development stages (<45; 45–90; >90 days after planting). Impacts on LAI retrievals were analyzed. Results showed higher reflectance values in backscattering direction due to the predominance of sunlit soybean canopy components towards the sensor and higher NDVI values in forward scattering direction due to stronger shadow effects in the red waveband. NDVI differences between the two directions were statistically significant for view angles larger than 25°. The main algorithm for LAI estimation failed in the two growing seasons with gradual crop development. As a result, up to 94% of the pixels had LAI values calculated from the backup algorithm at the peak of canopy closure. Most of the pixels selected to compose the 8-day MODIS LAI product came from the forward scattering view because it displayed larger LAI values than the backscattering. Directional effects on the subsequent LAI retrievals were stronger at the peak of the soybean development (NDVI values between 0.70 and 0.85). When the global empirical model was used, LAI differences up to 3.2 for consecutive days and opposite viewing directions were observed. Such differences were reduced to values up to 1.5 with the local model. Because of the predominance of LAI retrievals from the MODIS backup algorithm during the Brazilian soybean development, care is necessary if one considers using these data in agronomic growing/yield models. 相似文献
14.
基于MODIS的LAI时间序列谱的地物分类方法研究 总被引：6，自引：0，他引：6
利用MODIS数据所反演的每8d一景,全年共46景的时间序列叶面积指数(LAI)图像,分析江西省不同类型地物的LAI时间序列谱,并对地物进行分类。首先,利用最小噪声比变换技术(MNF)将噪声从数据中分离;然后,通过纯净像元指数(PPI)从LAI时间序列谱中提取5类主要地物类型终端单元(Endmember),从而对地物进行分类并制图;最后,结合2000年江西省兴国县1 10万比例尺的土地利用/覆盖矢量图对本研究分类结果进行检验。结果表明,该方法的地物分类精度达到74.45%,其分类方法是有效可行的。 相似文献
15.
Satellite remote sensing has been used successfully to map leaf area index (LAI) across landscapes, but advances are still needed to exploit multi-scale data streams for producing LAI at both high spatial and temporal resolution. A multi-scale Spatio-Temporal Enhancement Method for medium resolution LAI (STEM-LAI) has been developed to generate 4-day time-series of Landsat-scale LAI from existing medium resolution LAI products. STEM-LAI has been designed to meet the demands of applications requiring frequent and spatially explicit information, such as effectively resolving rapidly evolving vegetation dynamics at sub-field (30 m) scales. In this study, STEM-LAI is applied to Moderate Resolution Imaging Spectroradiometer (MODIS) based LAI data and utilizes a reference-based regression tree approach for producing MODIS-consistent, but Landsat-based, LAI. The Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) is used to interpolate the downscaled LAI between Landsat acquisition dates, providing a high spatial and temporal resolution improvement over existing LAI products. STARFM predicts high resolution LAI by blending MODIS and Landsat based information from a common acquisition date, with MODIS data from a prediction date. To demonstrate its capacity to reproduce fine-scale spatial features observed in actual Landsat LAI, the STEM-LAI approach is tested over an agricultural region in Nebraska. The implementation of a 250 m resolution LAI product, derived from MODIS 1 km data and using a scale consistent approach based on the Normalized Difference Vegetation Index (NDVI), is found to significantly improve accuracies of spatial pattern prediction, with the coefficient of efficiency (E) ranging from 0.77–0.94 compared to 0.01–0.85 when using 1 km LAI inputs alone. Comparisons against an 11-year record of in-situ measured LAI over maize and soybean highlight the utility of STEM-LAI in reproducing observed LAI dynamics (both characterized by r2 = 0.86) over a range of plant development stages. Overall, STEM-LAI represents an effective downscaling and temporal enhancement mechanism that predicts in-situ measured LAI better than estimates derived through linear interpolation between Landsat acquisitions. This is particularly true when the in-situ measurement date is greater than 10 days from the nearest Landsat acquisition, with prediction errors reduced by up to 50%. With a streamlined and completely automated processing interface, STEM-LAI represents a flexible tool for LAI disaggregation in space and time that is adaptable to different land cover types, landscape heterogeneities, and cloud cover conditions. 相似文献
16.
基于时间序列叶面积指数稀疏表示的作物种植区域提取 总被引：3，自引：0，他引：3
以华北平原黄河以北地区为研究区域,以时间序列叶面积指数LAI(Leaf Area Index)傅里叶变换的谐波特征作为不同作物识别的数据源,利用稀疏表示的分类方法识别2007年—2016年冬小麦、春玉米、夏玉米等主要农作物种植区域。首先利用上包络线Savitzky-Golay滤波分别对2007年—2016年的时间序列MODIS LAI曲线进行重构,进而对重构的年时间序列LAI进行傅里叶变换,以0—5级谐波振幅、1—5级谐波相位作为作物识别的依据,基于各类地物的训练样本,通过在线字典学习算法构建稀疏表示方法的判别字典,对每个待测样本利用正交匹配追踪算法求解稀疏系数,从而计算对应于各类地物的重构误差,根据最小重构误差判定待测样本的作物类型,并对作物识别结果的位置精度进行验证。结果表明,2007年—2016年作物识别的总体精度为77.97%,Kappa系数为0.74,表明本文提出的方法可以用于研究区域主要作物种植区域的提取。 相似文献
17.
锡林浩特草原区域MODIS LAI产品真实性检验与误差分析 总被引：2，自引：0，他引：2
本文研究了LAI产品真实性检验的指标和方法,建立了LAI产品真实性检验的流程,将遥感产品真实性检验误差分解为模型误差、数据定量化差异和尺度效应3个方面。以内蒙古锡林浩特草原为研究区,结合实测数据和Landsat TM数据建立NDVI-LAI模型,得到LAI验证参考"真值",据此"真值"按照本文的流程对MODIS LAI产品进行验证,分析了研究区MODIS LAI产品真实性检验的误差来源。研究表明,该研究区的MODIS LAI(MOD15A2)产品相对高估约25%。各个误差因素中,LAI遥感模型差异对于结果影响最大,MODIS LAI模型高估了该区域草地LAI(高估约44.2%);数据定量差异的影响也比较大,MODIS地表反射率数据与Landsat TM地表反射率数据的差异造成了约16.2%的低估;尺度效应的影响较小,造成约3.1%的低估,其中NDVI-LAI模型的尺度效应带来2.4%的低估,NDVI数据的尺度效应造成约0.7%的低估。 相似文献
18.
基于波谱知识库的MODIS叶面积指数反演及验证 总被引：2，自引：0，他引：2
目前用物理模型反演叶面积指数普遍存在缺少先验知识的状况，如何获得准确的先验知识是遥感走向应用的一个关键环节。中国典型地物标准波谱数据库就是结合国家重大行业中的应用需求，研究制定地物波谱获取与分析的技术规范和数据标准，建立典型地物标准波谱数据库。从波谱数据库提取模型反演所需要的先验知识，实现了基于SAIL模型的MODIS数据（经过几何纠正与大气纠正）叶面积指数的反演。另外，基于TM数据，对MODIS混合像元进行了分解，用纯像元的叶面积指数与实测数据进行对比验证，同时，反演结果与NASA的LAI产品也进行了对比，结果表明基于波谱库的先验知识可以有效的提高叶面积指数的反演精度。 相似文献
19.
基于集合卡尔曼滤波和通用陆面模型(CLM 1.0)发展了一个地表温度的同化系统。这个系统同化了MODIS温度产品, 并将MODIS的叶面积指数引入CLM模型中, 主要用于改进地表水热通量的估算精度。将CLM输出的地表温度与MODIS地表温度建立关系, 并作为同化系统的观测算子。将MODIS地表温度与实测地表温度进行了比较, 将其均方差(Root Mean Square Error, RMSE)作为观测误差。选取3个美国通量网站点(Blackhill、Bondville、Brookings)作为实验数据, 结果表明: 同化结果中地表温度、显热通量的估算精度均有提高。其中Blackhill站的估算精度改进最大, 均方差由81.5W·m-2减小到58.4W·m-2, Bondville站均方差由47.0W·m-2减小到31.8W·m-2, Brookings站均方差由46.5W·m-2减小到45.1W·m-2。潜热通量估算精度在Bondville站均方差由88.6W·m-2减小到57.7W·m-2, Blackhill站均方差由53.4W·m-2减小到47.2W·m-2。总之, 结合陆面过程模型同化MODIS温度产品估算地表水热通量是可行的。 相似文献