论文部分内容阅读
本研究在实测玉米和大豆高光谱数据基础上，分析了玉米和大豆LAI、FPAR生理参数的高光谱反演模型，利用实测数据和TM高分辨率遥感影像对MODISLAI/FPAR产品精度进行验证，基于MODIS产品数据进行吉林省主要农作物的长势监测。采用高光谱反射率、一阶微分光谱、光谱植被指数、神经网络、主成分分析方法建立了玉米和大豆LAI、FPAR生理参数的统计回归模型，充分挖掘高光谱的优势，提高植被生理参数遥感估算的精度。为从机理进行农作物生理参数准确估算，本文试研究了PROSAIL辐射传输模型估算东北黑土区玉米LAI效果，并与实测数据进行对比分析，在此基础上利用PROSAIL模型对TM影像进行分析估算大面积玉米LAI，对MODIS LAI产品进行验证。同时利用实测玉米LAI、FPAR数据验证MODIS LAI、FPAR产品精度。利用MODIS NDVI、EVI、LAI、FPAR时间序列数据产品对吉林省长势进行分析。通过以上分析得出以下结论：
1.光合有效辐射分量(FPAR)在一天中接近于常数值，特别是在8：00-11：00和14：00-16：00时间段内较为稳定。晴天太阳入射光合有效辐射变化曲线较阴天平滑。由于云层的吸收和散射作用，阴天中入射光合有效辐射最大值的出现时间比晴天晚1小时左右。
2.玉米和大豆的LAI、FPAR分别在可见光、近红外和短波红外波段反射率都具有较好的相关性，一阶导数仅在红边、及与水分吸收相关的波段附近等与LAI、FPAR参数相关性较高，甚至高于反射率。FPAR与反射率及其一阶导数的相关性总体上要高于LAI，尤其在短波红外波段更为明显。
3.本研究分析了各种传统植被指数估算玉米和大豆FPAR的效果，并对比分析各植被指数的特点，发现NDVI、RVI是估算效果较好且较为稳定的植被指数。另外本研究引入了与NDVI、RVI具有相同植被指数结构但不同计算波段的植被指数NDWI、WI，并以此为基础为充分利用短波红外高光谱信息而建立了归一化差值短波红外指数NDSI和比值短波红外指数RSI，并分别研究了这几个指数估算玉米、大豆FPAR效果，研究表明NDWI、WI、NDSI、RSI估算玉米和大豆FPAR效果都明显优于NDVI、RVI。神经网络方法应用越来越广泛，本研究也表明神经网络方法能够有效利用高光谱信息，其估算玉米和大豆LAI、FPAR生理参数的效果优于NDVI。
4.本研究利用PROSAIL辐射传输模型对玉米LAI进行反演，并与实测数据进行对比分析。结果表明PROSAIL模型估算玉米LAI效果较好，估算精度优于植被指数NDVI和神经网络方法。
5.主成分分析方法能够保存92％以上的高光谱信息，根据各波段的高光谱信息贡献程度可将主成分因子命名为可见光因子、近红外因子和短波红外因子。利用主成分因子估算玉米和大豆LAI、FPAR精度要明显高于其它统计方法，甚至高于PROSAIL物理模型反演的精度，因此主成分分析具有较好的高光谱信息压缩能力，是一种可行且理想的估算LAI、FPAR生理参数的方法。
6.研究表明，受作物叶片水分含量影响较大的短波红外波段具有较大的估算FPAR潜力，作物叶片水分含量较土壤背景对FPAR估算精度影响更大。
7.本文基于PROSAIL物理模型对TM高分辨率数据进行玉米成熟期LAI空间反演，基于研究区实测数据建立NDVI估算FPAR模型，并用于TM反演FPAR，将利用TM空间反演结果和地面实测数据分别对MODIS LAI、FPAR产品进行精度验证，结果表明在玉米MODIS LAI、FPAR产品值要低于实测LAI、FPAR值，基于PROSAIL模型反演TM影像得到空间LAI值要高于MODIS LAI值，而基于NDVI经验模型的TM影像得到的空间FPAR值部分大都小于MODIS FPAR值。
8.基于地面实测和MODIS时间序列NDVI、EVI、LAI、FPAR数据分析，结果表明MODIS NDVI产品精度较LAI、FPAR高，但MODIS时间序列的LAI、FPAR能够更好地反映作物长势，并对作物产量变化趋势有较好的指示效果。96.07％的MODIS像元的居民地面积比例小于40％，居民地对估算象元内玉米冠层红、近红外波段反射率、LAI、FPAR造成的误差大都在0.01、0.022、0.4、0.13之内。。