作者单位
摘要
1 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
2 中国科学院测量与地球物理研究所, 环境与灾害监测评估湖北省重点实验室, 湖北 武汉 430077
3 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 江西 南昌 330022
叶面积指数(LAI)是目前最常用的农业生态监测指标, 可以为农作物的病虫害监测、 作物长势监测、 碳循环、 生物量估算及作物估产提供依据。 植被指数(VI)是卫星LAI产品生产的重要数据源, 但不同VIs对植被LAI的响应特征具有一定的差异性。 以江西省水稻为例, 基于实测光谱提取了水稻实测VIs, 结合实测LAI, 讨论了归一化植被指数(NDVI)、 增强型植被指数(EVI)、 土壤调节植被指数(SAVI)和修正的土壤调节植被指数(MSAVI)四种常见VIs对LAI的响应特征, 并与MODIS LAI备用算法的计算结果进行了对比分析, 研究了不同VIs用于LAI产品反演的可行性及存在的问题。 通过对不同实测VIs-LAI模型精度的评估, 分析其应用于LAI反演的适应性, 结果显示EVI, SAVI和MSAVI比NDVI有更好的适应性, 其中EVI效果最优。 此外, 通过对比MODIS LAI备用算法查找表, 发现针对MODIS LAI备用算法中草地与谷物作物这一地表覆盖大类, 在LAI>4时, NDVI出现饱和; 而实测水稻作物的NDVI在LAI>2时开始出现饱和; 且当NDVI相同时, 查找表LAI远大于实测LAI, MODIS备用算法中使用的地表覆盖产品分类过粗可能是造成这一结果的主要原因。 因此MODIS LAI备用算法在该区域水稻LAI监测中可能产生较大误差, 有必要改用其他VIs优化该备用算法。 通过对比分析四种VIs模型对LAI的预测误差, 发现EVI, SAVI和MSAVI精度明显优于NDVI, 基于EVI的模型平均预测误差仅为MODIS LAI备用算法的1/6, 基于实测NDVI反演算法的1/2, 因此设计基于EVI的LAI算法对LAI的反演精度有一定的提升空间。
叶面积指数 植被指数 水稻 响应 Leaf area index Vegetation indices Rice MODIS MODIS Response 
光谱学与光谱分析
2018, 38(1): 205
作者单位
摘要
1 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
2 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 江西 南昌 330022
悬浮颗粒物粒径分布特征为水环境结构与功能研究提供了重要信息, 但目前针对内陆湖泊的研究还很少。 依据2008年—2011年鄱阳湖丰枯水期实测数据, 对悬浮颗粒物粒径分布的时空特征及光学特性进行了研究。 鄱阳湖悬浮颗粒物粒径具有季节性变化特点: 枯水期南部湖区颗粒物粒径大于北部湖区, 而丰水期南北部湖区差异不大。 同时, 悬浮颗粒物粒径分布对水体吸收系数、 衰减系数和散射系数都有影响。 鄱阳湖水体总颗粒物吸收系数北部观测值高于南部; 颗粒物中值粒径与总颗粒物比吸收系数呈负相关关系, 这可能是由浑浊水体中存在的矿物颗粒物打包效应引起。 鄱阳湖水体总颗粒物衰减系数和散射系数的时空分布规律相似: 枯水期具有明显的区域性差异而丰水期区域性差异不大。 遥感反射率、 总颗粒物散射系数光谱斜率以及颗粒物粒径分布斜率之间的函数关系为遥感反射率表征粒径分布情况以及定量分析悬浮颗粒物粒径分布特征对遥感反射率的影响提供了依据。 悬浮颗粒物粒径分布、 颗粒物后向散射概率与颗粒物复折射率密切相关, 可以反映鄱阳湖水体悬浮颗粒物组分信息。
悬浮颗粒物 粒径分布 散射特性 遥感反演 鄱阳湖 Suspended particles Size distribution Scattering properties Remote sensing retrieval Poyang Lake 
光谱学与光谱分析
2014, 34(11): 3085
作者单位
摘要
1 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 江西 南昌 330022
2 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
3 Yamaguchi University, 16-1 Tokiwadai 2-chome, Ube-shi, 755-8611, Japan
4 中国科学院遥感与数字地球研究所, 北京 100101
地表发射率是地表温度遥感反演中不可缺少的参数之一。 常规获取地表发射率的遥感方法中, 存在温度和发射率病态反演的问题; 而实验室实测方法在恒定的自然条件下测定, 对于遥感实用有一定的局限性。 为解决上述问题, 本研究利用温度和发射率相互耦合的关系, 剔除温度效应的影响, 提高发射率的精度, 进而提高遥感反演地表温度的精度。 对于不同地表物质而言, 发射率和温度耦合关系又不同, 本研究针对典型的城市人造地表类型之一——水泥路面, 基于合理的自然状态下水泥路面发射率和温度观测实验, 筛选理想大气环境下实测数据; 利用最优发射率与温度分离算法取代光谱仪自带算法, 提取精度较高发射率数据; 分析时序水泥路面温度和发射率数据的耦合关系, 建立耦合模型, 并进行验证。 研究结果表明: 水泥路面的发射率二阶导数与温度相关性最高, 相关系数为-0.925 1。 以发射率二阶导数为自变量的逐步回归模型为最佳关系模型, 判定系数R2达到0.886, 验证结果的均方根误差RMSE为0.292 1。 水泥路面温度与其发射率耦合关系模型的建立为提高遥感反演地表温度的精度提供了一种途径。
温度 发射率 耦合关系 自然状态 Temperature Emissivity Coupling In natural conditions 
光谱学与光谱分析
2014, 34(7): 1736
作者单位
摘要
1 华中师范大学学报编辑部, 湖北 武汉430079
2 华中师范大学城市与环境科学学院, 湖北 武汉430079
3 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉430079
4 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 江西 南昌330022
HJ-1A/1B卫星CCD传感器具有较高的空间、 时间分辨率, 在内陆湖泊水质遥感定量监测方面有很大潜力, 大气校正是制约其应用的关键问题之一。 以我国第一大淡水湖——鄱阳湖为研究区域, 结合2009年、 2011年两次现场实测数据对FLAASH, 6S, COST和QUAC四种大气校正结果进行对比分析, 并探讨各种大气校正算法对悬浮泥沙浓度反演精度的影响。 结果表明: (1)HJ-1A/1B卫星CCD的第1波段在水环境遥感应用时, 建议进行重新定标; 第2和3波段四种大气校正结果精度相对较高, 其中, FLAASH, 6S和COST三种大气校正算法精度都较高, QUAC精度偏低, 建议在可能的情况下对该算法进行有针对性的改进; (2)FLAASH, 6S, COST和QUAC四种大气校正算法第2和3波段比值结果与实测数据吻合度最好, 平均相对误差分别为8.2%, 9.5%, 7.6%和11.6%, 因此建议在鄱阳湖水域尽量采用第2和3波段比值作为反演因子; (3)以四种大气校正结果为基础, 与悬浮泥沙浓度直接建模, 结果发现, 四种模型反演精度均比用实测遥感反射率与实测悬浮泥沙浓度建立的模型反演结果要高, FLAASH, 6S和COST三种算法反演所得悬浮泥沙浓度精度都较高, 平均相对误差分别为: 10.0%, 10.2%和8.0%; QUAC略差, 平均相对误差为18.6%。 建议在泥沙浓度反演时采用大气校正结果与悬浮泥沙浓度直接建模, 可以有效降低利用实测光谱数据建模引起的大气校正误差的累积效应; (4)在精度要求不是特别高的前提下, 四种大气校正算法都可以采用, 但综合算法复杂程度、 精度、 稳定性等多种因素, 在辅助信息不全的情况下, COST大气校正算法更值得推荐。
水色遥感 大气校正 HJ-1A/1B卫星 Water color remote sensing Atmospheric correction HJ-1A/1B satellite 6S 6S FLAASH FLAASH COST COST QUAC QUAC 
光谱学与光谱分析
2013, 33(5): 1320
作者单位
摘要
1 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉430079
2 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 江西 南昌330022
3 南昌大学鄱阳湖环境与资源利用教育部重点实验室, 江西 南昌330022
内陆水体复杂性为水体悬浮颗粒物散射光谱分解带来难题, 也制约着水色遥感理论算法的发展。 以2009年鄱阳湖秋季观测数据为基础, 提出一种二元简化主轴(ranged major axis, RMA)方法的水体悬浮颗粒物散射光谱分解模型, 对鄱阳湖水体中悬浮无机颗粒物与有机颗粒物的散射光谱进行了提取研究。 结果表明采用RMA方法建立的悬浮颗粒物散射光谱分解模型在鄱阳湖具有很好的分离效果, 在高浑浊水体区域总悬浮颗粒物散射系数预测误差在15%以内, 与现有方法相比具有明显优势。 分解结果显示鄱阳湖悬浮颗粒物散射主要来自以伊利石/蒙脱石为主要成分的无机颗粒物, RMA方法能够反映占主导地位悬浮颗粒物的散射特性, 可以为高浑浊水体散射模型与水色遥感反演算法的研究提供重要依据。
散射 水色遥感 光谱分解 鄱阳湖 cattering Water color remote sensing Spectrum partition Poyang lake 
光谱学与光谱分析
2012, 32(3): 729
作者单位
摘要
1 武汉大学 测绘遥感信息工程国家重点实验室,武汉 430079
2 名古屋大学 环境学研究科,名古屋 464-8601
3 中国科学院遥感应用研究所,北京 100101
提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度,其准确度明显优于独立成分分析方法.该方法为高光谱遥感影像的盲分解提供了一条新的途径.
遥感 小波包分解 混合像元 独立成分分析 线性光谱混合模型 Remote sensing Wavelet packet decomposition Mixed pixel Independent component analysis Linear spectral mixture model 
光子学报
2011, 40(6): 835

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!