基于能量平衡原理的FPAR遥感反演研究
发布时间：2021-08-24 00:03
光合有效辐射吸收系数（FPAR）是描述植被结构以及冠层—大气物质与能量交换过程的基本生理变量。从能量守恒的原理出发,结合非线性混合像元模型,分析了太阳入射能量中的植被冠层反射、土壤吸收分量的光谱反演方法,建立了简化的FPAR遥感反演模型（FPEB）。分别应用2011和2013年西藏自冶区那曲实验数据、2011年西藏自冶区当雄实验数据和2013年内蒙古自冶区海拉尔的实验数据,对建立的FPAR遥感反演模型进行了验证,并将FPEB模型反演结果与传统的植被指数统计模型反演结果进行了对比分析,结果表明:FPEB模型的FPAR反演精度优于NDVI统计模型,且与其他基于能量平衡原理提出的反演FPAR的模型相比具有输入参数少,模型简单的优势,在空间区域和时间上具有很好的普适性。
【文章来源】：遥感技术与应用. 2014,29(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
图２拟合光照因子结果验证图Ｆｉｇ．２Ｖｅｒｉｆｉｃａｔｉｏｎｔｈｅｆｉｇｕｒｏｕｔｉｌｌｕｎｉｍａｔｉｏｎｆａｃｔｅｒ
参考板ＤＮ值和参考板反射率计算太阳入射ＰＡＲ分量近似值，冠层反射ＰＡＲ分量近似值、土壤背景吸收ＰＡＲ分量近似值，最后根据ＦＰＡＲ的定义公式计算出植被冠层ＦＰＡＲ。３．４纯植被反射率２０１１年那曲的纯植被反射率用的是实验中植被覆盖度超过９７％样方的植被冠层反射率。当雄的样方植被覆盖度都比较低，所以采用的是２０１１年那曲的纯植被反射率。２０１３年那曲和海拉尔的纯植被反射率采用的实验中对植被分布密集的区域（覆盖度超过９７％）实测的植被反射率。图３中目标反射率均为实测值，两条纯植被光谱曲线为植被覆盖度超过９７％的冠层光谱，土壤反射率是相近区域的裸露土壤测量获得。图中显示在４００～７００ｎｍ不同种类茂密植被冠层光谱反射率差异很小，而不同土壤背景的反射率差异较大，因此论文将茂密植被冠层反射率做先验参数，采用非线性混合像元方法反演土壤反射率具有一定的合理性。图３不同种类植被与土壤背景反射率对比Ｆｉｇ．３ＴｈｅｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｎｒｅｆｌｅｃｔａｎｃｅｏｆｇｒａｓｓａｎｄｓｏｉｌｉｎＮａｇｑｕａｎｄＨａｉｌａｒ那曲实验样方的土壤背景由青石和土壤混合组成，土壤类型主要为高山草甸土。２０１１年那曲实验样方的优势植被有紫花针茅（Ｇｒａｍｉｎｅａｅ）、火绒草（Ｌｅｏｎｔｏｐｏｄｉｕｍｌｅｏｎｔｏｐｏｄｉｏｉｄｅｓ）和锯齿草（Ｐｅｎｎｅｌｌｇｒａｔｉｏｌａｃｉｌｉａｔａｃｏｌｓｍ），本文选用了２０１１年那曲实验的１１９个样方数据，其中６７％的样方植被覆盖度超过５０％，样方分布于海拔４５００～４６００ｍ，位于那曲县中部
图５２０１１年那曲实验数据拟合的ＦＰＡＲ－ＮＤＶＩ统计模型Ｆｉｇ．５ＦＰＡＲ－ＮＤＶＩｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｉｎＮａｇｑｕｉｎ２０１１与ＦＰＥＢ模型反演结果进行精度对比，如表１所示。ＦＰＡＲ－ＮＤＶＩ统计模型在２０１１年那曲实验区的反演精度与ＦＰＥＢ模型反演的精度相当，而在其他３个实验区的精度均低于ＦＰＥＢ模型反演精度，因此，表１植被指数统计法与ＦＰＥＢ模型ＦＰＡＲ反演的精度对比Ｔａｂｌｅｌ１ＴｈｅｃｏｍｐａｒｉｓｉｏｎｏｎａｃｃｕｒａｃｙｏｆｅｓｔｉｍａｔｅｄＦＰＡＲｕｓｉｎｇＦＰＥＢｍｏｄｅｌａｎｄＦＰＡＲ－ＮＤＶＩｍｏｄｅｌ年实验点ＮＤＶＩ统计模型Ｒ２ＲＭＳＥＦＰＥＢ模型Ｒ２ＲＭＳＥ２０１１那曲０．７４００．１０２０．７２４０．１０９２０１１当雄０．６４００．１４８０．８５９０．１２５２０１３海拉尔０．０４６０．１１１０．８９７０．０４４２０１３那曲０．６７６０．１３７０．９２８０．１２５图６２０１１年那曲的统计模型反演ＦＰＡＲ的结果与实测结果对比Ｆｉｇ．６ＴｈｅｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆＦＰＡＲｅｓｔｉｍａｔｅｄｂｙＦＰＡＲ－ＮＤＶＩｍｏｄｅｌａｎｄｆｉｅｌｄｍｅａｓｕｒｅｄＦＰＡＲｉｎＮａｇｑｕａｎｄＤａｎｇｘｉｏｎｇａｎｄＨａｉｌａｒ与ＦＰＡＲ－ＮＤＶＩ统计模型相比较，ＦＰＥＢ模型应用于不同时间、不同区域，具有更好的反演精度。西藏自冶区的３个实验区土壤背景相近，２０１１年当雄和２０１３年那曲实验区与２０１１年那曲实验区相比植被类型有差异，虽然植被指数统计模型能
【参考文献】：
期刊论文
[1]基于HJ-1 CCD的夏玉米FPAR遥感监测模型[J]. 陈雪洋,蒙继华,吴炳方,朱建军,杜鑫,张飞飞,纽立明. 农业工程学报. 2010(S1)
[2]植被FAPAR的遥感模型与反演研究[J]. 陶欣,范闻捷,王大成,闫彬彦,徐希孺. 地球科学进展. 2009(07)
[3]Forest NPP estimation based on MODIS data under cloudless condition[J]. CHEN LiangFu1,2, GAO YanHua1,3, LI Li1, LIU QinHuo1,2 & GU XingFa1,2 1 State Key Laboratory of Remote Sensing Science jointly sponsored by Institute of Remote Sensing Applications of Chinese Academy of Sciences and Beijing Normal University, Beijing 100101, China; 2 The Center for National Spaceborne Demonstration, Chinese National Space Administration, Beijing 100101, China; 3 Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China. Science in China（Series D:Earth Sciences）. 2008(03)
[4]西藏当雄县草地退化成因分析及开发利用研究[J]. 杜小娟,程积民. 安徽农业科学. 2007(19)
本文编号：3358863
【文章来源】：遥感技术与应用. 2014,29(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
图２拟合光照因子结果验证图Ｆｉｇ．２Ｖｅｒｉｆｉｃａｔｉｏｎｔｈｅｆｉｇｕｒｏｕｔｉｌｌｕｎｉｍａｔｉｏｎｆａｃｔｅｒ
参考板ＤＮ值和参考板反射率计算太阳入射ＰＡＲ分量近似值，冠层反射ＰＡＲ分量近似值、土壤背景吸收ＰＡＲ分量近似值，最后根据ＦＰＡＲ的定义公式计算出植被冠层ＦＰＡＲ。３．４纯植被反射率２０１１年那曲的纯植被反射率用的是实验中植被覆盖度超过９７％样方的植被冠层反射率。当雄的样方植被覆盖度都比较低，所以采用的是２０１１年那曲的纯植被反射率。２０１３年那曲和海拉尔的纯植被反射率采用的实验中对植被分布密集的区域（覆盖度超过９７％）实测的植被反射率。图３中目标反射率均为实测值，两条纯植被光谱曲线为植被覆盖度超过９７％的冠层光谱，土壤反射率是相近区域的裸露土壤测量获得。图中显示在４００～７００ｎｍ不同种类茂密植被冠层光谱反射率差异很小，而不同土壤背景的反射率差异较大，因此论文将茂密植被冠层反射率做先验参数，采用非线性混合像元方法反演土壤反射率具有一定的合理性。图３不同种类植被与土壤背景反射率对比Ｆｉｇ．３ＴｈｅｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｎｒｅｆｌｅｃｔａｎｃｅｏｆｇｒａｓｓａｎｄｓｏｉｌｉｎＮａｇｑｕａｎｄＨａｉｌａｒ那曲实验样方的土壤背景由青石和土壤混合组成，土壤类型主要为高山草甸土。２０１１年那曲实验样方的优势植被有紫花针茅（Ｇｒａｍｉｎｅａｅ）、火绒草（Ｌｅｏｎｔｏｐｏｄｉｕｍｌｅｏｎｔｏｐｏｄｉｏｉｄｅｓ）和锯齿草（Ｐｅｎｎｅｌｌｇｒａｔｉｏｌａｃｉｌｉａｔａｃｏｌｓｍ），本文选用了２０１１年那曲实验的１１９个样方数据，其中６７％的样方植被覆盖度超过５０％，样方分布于海拔４５００～４６００ｍ，位于那曲县中部
图５２０１１年那曲实验数据拟合的ＦＰＡＲ－ＮＤＶＩ统计模型Ｆｉｇ．５ＦＰＡＲ－ＮＤＶＩｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｉｎＮａｇｑｕｉｎ２０１１与ＦＰＥＢ模型反演结果进行精度对比，如表１所示。ＦＰＡＲ－ＮＤＶＩ统计模型在２０１１年那曲实验区的反演精度与ＦＰＥＢ模型反演的精度相当，而在其他３个实验区的精度均低于ＦＰＥＢ模型反演精度，因此，表１植被指数统计法与ＦＰＥＢ模型ＦＰＡＲ反演的精度对比Ｔａｂｌｅｌ１ＴｈｅｃｏｍｐａｒｉｓｉｏｎｏｎａｃｃｕｒａｃｙｏｆｅｓｔｉｍａｔｅｄＦＰＡＲｕｓｉｎｇＦＰＥＢｍｏｄｅｌａｎｄＦＰＡＲ－ＮＤＶＩｍｏｄｅｌ年实验点ＮＤＶＩ统计模型Ｒ２ＲＭＳＥＦＰＥＢ模型Ｒ２ＲＭＳＥ２０１１那曲０．７４００．１０２０．７２４０．１０９２０１１当雄０．６４００．１４８０．８５９０．１２５２０１３海拉尔０．０４６０．１１１０．８９７０．０４４２０１３那曲０．６７６０．１３７０．９２８０．１２５图６２０１１年那曲的统计模型反演ＦＰＡＲ的结果与实测结果对比Ｆｉｇ．６ＴｈｅｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆＦＰＡＲｅｓｔｉｍａｔｅｄｂｙＦＰＡＲ－ＮＤＶＩｍｏｄｅｌａｎｄｆｉｅｌｄｍｅａｓｕｒｅｄＦＰＡＲｉｎＮａｇｑｕａｎｄＤａｎｇｘｉｏｎｇａｎｄＨａｉｌａｒ与ＦＰＡＲ－ＮＤＶＩ统计模型相比较，ＦＰＥＢ模型应用于不同时间、不同区域，具有更好的反演精度。西藏自冶区的３个实验区土壤背景相近，２０１１年当雄和２０１３年那曲实验区与２０１１年那曲实验区相比植被类型有差异，虽然植被指数统计模型能
【参考文献】：
期刊论文
[1]基于HJ-1 CCD的夏玉米FPAR遥感监测模型[J]. 陈雪洋,蒙继华,吴炳方,朱建军,杜鑫,张飞飞,纽立明. 农业工程学报. 2010(S1)
[2]植被FAPAR的遥感模型与反演研究[J]. 陶欣,范闻捷,王大成,闫彬彦,徐希孺. 地球科学进展. 2009(07)
[3]Forest NPP estimation based on MODIS data under cloudless condition[J]. CHEN LiangFu1,2, GAO YanHua1,3, LI Li1, LIU QinHuo1,2 & GU XingFa1,2 1 State Key Laboratory of Remote Sensing Science jointly sponsored by Institute of Remote Sensing Applications of Chinese Academy of Sciences and Beijing Normal University, Beijing 100101, China; 2 The Center for National Spaceborne Demonstration, Chinese National Space Administration, Beijing 100101, China; 3 Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China. Science in China（Series D:Earth Sciences）. 2008(03)
[4]西藏当雄县草地退化成因分析及开发利用研究[J]. 杜小娟,程积民. 安徽农业科学. 2007(19)
本文编号：3358863
本文链接：https://www.wllwen.com/projectlw/qxxlw/3358863.html
