基于数据机理的植被叶面积指数遥感反演研究

doi:10.11873/j.issn.1004-0323.2020.5.1047

遥感技术与应用

2020, Vol. 35

Issue (5): 1047-1056 DOI: 10.11873/j.issn.1004-0323.2020.5.1047

LAI专栏

基于数据机理的植被叶面积指数遥感反演研究

郭利彪^1,^2,³(

),刘桂香^1,²,运向军^1,²,张勇¹,孙世贤^1,²

^1.中国农业科学院草原研究所，内蒙古呼和浩特 010010
^2.农业与农村部草地与农业生态遥感重点实验室，内蒙古呼和浩特 010010
^3.内蒙古工业大学信息工程学院，内蒙古呼和浩特 010051

Vegetation Leaf Area Index (LAI) Retrieval based on Data-based Mechanistic Model Using Remote Sensing Data

Libiao Guo^1,^2,³(

),Guixiang Liu^1,²,Xiangjun Yun^1,²,Yong Zhang¹,Shixian Sun^1,²

^1.Institute of Grassland Research，Chinese Academy of Agriculture Sciences，Hohhot 010010，China
^2.Key Laboratory of Remote Sensing of Grassland and Agricultural Ecology，Ministry of Agriculture and Rural Affairs PRC，Hohhot 010010，China
^3.College of Information Engineering，Inner Mongolia University of Technology，Hohhot 010010，China

全文: PDF(3585 KB) HTML

摘要：

定量获取地表植被高精度时序及空间覆盖的叶面积指数（Leaf Area Index， LAI）是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer（MODIS）植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据，发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal（RTLSR）核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot（SAILH）模型进行植被冠层辐射特征的提取，使用Anisotropic Index （ANIX）异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function（BRDF）的辅助特征信息，发展了基于数据机理（Data-Based Mechanistic， DBM）的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知：①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法，可实现模型参数的时序动态更新，改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息，可降低因观测数据几何条件差异所导致的反演结果不确定情况，同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践，可将算法应用于时空尺度的叶面积指数估算，并能够为生态、农业应用提供植被的高精度遥感监测指标。

关键词： 植被; 叶面积指数; 时间序列; 辐射传输; 二向反射分布; 数据机理; 遥感反演

Abstract:

Leaf Area Index （LAI） is the key indicator for ecological monitoring and application in agricultural production. Retrieve precision improved LAI using quantitative algorithms has been a comprehensive work for the ecological research. The paper developed a time series LAI inverse method by using Data-Based Mechanistic（DBM） modeling method and time series multi-angular remote sensing observations. Based on radiative transfer theory， the work used RossThick-LiSparse-Reciprocal（RTLSR） and Scattering by Arbitrarily Inclined Leaves with Hotspot（SAILH） model to extract the vegetation canopy bidirectional reflectance character. The Anisotropic Index （ANIX） derived from MODIS BRDF product was used to express the directional reflectance signature of vegetation canopy， and the MOD09GA multi-angular remote sensing observation and MOD15A2 LAI products data were used together in time series LAI modeling and estimation. Typical vegetation sites data are used to make validation of the LAI inversion. The basic inversion results shows that：（1） Time series multi-angular observation data combined with DBM LAI inversion method can be used to improve the integrity of LAI estimation in time series. The developed method can reduce the disturbance from observation data noise in DBM modeling and estimation. （2） Anisotropic index data enriched the vegetation canopy directional reflectance signature. It not only works for improving the time series LAI inversion but also provides the surface bidirectional reflectance properties for the other relative land surface parameters retrieved. （3） The preliminary results are superior to the MODIS LAI product in time series integrity and data value stable.

Key words: Vegetation Leaf Area Index（LAI） Time series Radiative transfer BRDF DBM Remote sensing retrieval

收稿日期: 2019-09-20 出版日期: 2020-11-26

ZTFLH:

TP79

基金资助: 内蒙古自然科学基金项目博士基金(2017BS0407);国家自然科学基金项目(61962044);内蒙古自治区科技创新引导奖励资金项目(2016001);中央科研院所基本科研业务费项目(1810332014023);资助

作者简介: 郭利彪(1983-)，男，内蒙古乌兰察布市人，博士，讲师，主要从事植被定量遥感及人工智能技术应用研究。E?mail: guolibiao@imut.edu.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	郭利彪
	刘桂香
	运向军
	张勇
	孙世贤

引用本文:

郭利彪,刘桂香,运向军,张勇,孙世贤. 基于数据机理的植被叶面积指数遥感反演研究[J]. 遥感技术与应用, 2020, 35(5): 1047-1056.

Libiao Guo,Guixiang Liu,Xiangjun Yun,Yong Zhang,Shixian Sun. Vegetation Leaf Area Index (LAI) Retrieval based on Data-based Mechanistic Model Using Remote Sensing Data. Remote Sensing Technology and Application, 2020, 35(5): 1047-1056.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2020.5.1047 或 http://www.rsta.ac.cn/CN/Y2020/V35/I5/1047

表1 研究使用植被类型及地理位置属性

图1 MOD09GA多角度观测分布特征

表2 MOD09GA数据质量控制信息(节选)[27]

图2 植被LAI反演方法流程

图3 Shihezi农作物研究区LAI反演结果(单位:m2/m2)

图4 Larose林地研究区LAI反演结果(单位:m2/m2)

图5 Laprida草地研究区LAI反演结果(单位:m2/m2)

表3 Shihezi农作物植被反演模型结构及参数

表4 Larose林地植被反演模型结构及参数

表5 Laprida草地植被反演模型结构及参数

表6 研究区不同植被类型反演结果统计

图6 反演结果LAI与地面实测值散点数据分布 (m2/m2)

表7 反演结果RMSE数值分析

1	Chen J M， Black T A. Defining Leaf Area Index for Non-flat leaves［J］.Plant Cell and Environment，1992，15（4）： 421-429.
2	Knyazikhin Y， Martonchik R B， Myneni，et al. Synergistic Algorithm for Estimating Vegetation Canopy Leaf Area Index and Fraction of Absorbed Photosynthetically Active Radiation from MODIS and MISR Data［J］. Journal of Geophysical Research， 1998，103（32）： 257-275.
3	Ganguly S， Schull M A， Samanta A， et al. Generating Vegetation Leaf Area Index Earth System Data Record from Multiple Sensors Part 1： Theory［J］. Remote Sensing of Environment， 2008，112（12）： 4333-4343.
4	Wiegand C L， Richardson A J， Escobar D E， et al. Vegetation Indices in Crop Assessments［J］. Remote Sensing of Environment， 1991，35（2-3）：105-119.
5	Tian Y. Evaluation of the Performance of the MODIS LAI and FPAR Algorithm with Multiresolution Satellite Data［D］. Boston：Boston University， 2002.
6	Wang D W， Wang J D， Liang S L. Retrieving Crop Leaf Area Index by Assimilation of MODIS Data Into Crop Growth Model［J］. Science China-Earth Sciences. 2010，40（1）：73-83.
7	Peter Y. Data-based Mechanistic Modelling of Environmental， Ecological， Economic and Engineering Systems［J］. Environmental Modelling & Software， 1998，13（2）：105-122.
8	［DB/OL］.
9	［DB/OL］.
10	Wanner W， Li X W， Strahler A H. On the Derivation of Kernels for Kernel-driven Models of Bidirectional Reflectance［J］. Journal of Geophysical Research， 1995，100（D10）：21077-21089.
11	Lucht W. Algorithm for Model Bidirectional Reflectance Anisotropies of the Land Surface［D］. MA.Boston：Boston University， 2001.
12	Roujean J L， Leroy M， Deschamps P Y. A Bidirectional Reflectance Model of the Earth’s Surface for the Correction of Remote Sensing Data［J］. Journal of Geophysical Research， 1992，97（D18）：20455-20468.
13	Lucht W， Schaaf C B， Strahler A H. An Algorithm for the Retrieval of Albedo from Space Using Semiempirical BRDF Models［J］. IEEE Transactions on Geosciences Remote Sensing， 2000，38（2）：977-998.
14	Schaaf C B， Gao F， Strahler A H， et al. First Operational BRDF/Albedo Nadir Reflectance Products from MODIS［J］. Remote Sensing of Environment， 2002，83（1-2）：135-148.
15	He T， Liang S L， Wang D D， et al. Estimation of Wurface Albedo and Directional Reflectance from Moderate Resolution Imaging Spectroradiometer （MODIS） Observations［J］. Remote Sensing of Environment， 2012，119（16）：286-300.
16	Pisek J， Chen J M. Comparison and Validation of MODIS and VEGETATION Global LAI Products over four BigFoot Sites in North America［J］. Remote Sensing of Environment， 2007，109（1）：81-94.
17	Widlowski J L， Robustelli M， Disney M， et al. The RAMI On-line Model Checker （ROMC）： A Web-based Benchmarking Facility for Canopy Reflectance Models［J］. Remote Sensing of Environment， 2008，112（3）：1144-1150.
18	Pinty B， Widlowski J L， Taberner M， et al. Radiation Transfer Model Intercomparison （RAMI） Dxercise：Results from the Second Phase［J］. Journal of Geophysical Research， 2004，109（D06210）：1-19.
19	Suits G H. The Calculation of the Directional Reflectance of Vegetative Canopy［J］. Remote Sensing of Environment，1972（2）：117-125.
20	Verhoef W. Theory of Radiative Transfer Models Applied in Optical Remote Sensing of Vegetation Canopies［D］. Netherlands：Wageningen Agricultural University，1998.
21	Narendra S， Donald G， Deering W. Evaluation of a Canopy Reflectance Model for LAI Estimation Through Its Inversion［J］.IEEE Transactions on Geosciences Remote Sensing，1985（GE-23）：674-684.
22	Romanowicz R， Young P， Brown P， et al. A Recursive Estimation Approach to the Spatio-temporal Analysis and Modelling of Air Quality Data［J］. Environmental Modelling & Software， 2006，21（6）：759-769.
23	Ochieng G M， Otieno F A. Data-based Mechanistic Modelling of Stochastic Rainfall-flow Processes by State Dependent Parameter Estimation［J］. Environmental Modelling & Software， 2009，24（2）：279-284.
24	He L M， Chen J M， Jan Pisek ， et al. Global Clumping Index Map Derived from the MODIS BRDF Product［J］. Remote Sensing of Environment， 2012，119（16）：118-130.
25	Jin Y F， Gao F， Schaaf C B， et al. Improving MODIS Surface BRDF/Albedo Retrieval with MISR Multiangle Observations［J］. IIEEE Transactions on Geosciences Remote Sensing， 2002，40（7）：1593-1604.
26	Fang H L， Wei S S， Liang S L. Validation of MODIS and CYCLOPES LAI Products Using Global Field Measurement Data［J］. Remote Sensing of Environment， 2012，119（16）：43-54.
27	Jiao Ziti， Schaaf C B， Dong Y， et al. A Method for Improving Hotspot Directional Signatures in BRDF Models Used for MODIS［J］. Remote Sensing of Environment， 2016，186（1）：135-151.
28	Jiao Z T， Dong Y D， Crystal S B， et al. An Algorithm for the Retrieval of the Clumping Index （CI） from the MODIS BRDF Product Using an Adjusted Version of the Kernel-driven BRDF Model［J］. Remote Sensing of Environment， 2018，209（1）：594-611.
29	Wang Z S， Schaaf C B， Sun Q， et al. Capturing Rapid Land Surface Dynamics with Collection V006 MODIS BRDF/NBAR/Albedo（MCD43） Products［J］. Remote Sensing of Environment， 2018，207（15）：50-64.
30	Chen Ping， Wang Jindi， Liang Shunlin. A Data-based Mechanistic Approach to Time-series LAI Modeling and Estimation［J］. Journal of Remote Sensing， 2012，16（3）：505-519.
30	陈平，王锦地，梁顺林. 采用DBM方法的时间序列LAI建模与估算［J］.遥感学报，2012，16（3）：505-519.
31	Jin Huaan， Wang Jindi， Bo Yanchen， et al. Estimation on Regional Maize Yield based on Assimilation of Remote Sensing Data and Crop Growth Model［J］. Transactions of the Chinese Society of Agricultural Engineering，2012，28（6）：162-173.
31	靳华安，王锦地，柏延臣，等.基于作物生长模型和遥感数据同化的区域玉米产量估算［J］.农业工程学报，2012，28（6）：162-173.
32	Jiao Ziti， Li Xiaowen， Wang Jindi， et al. Assessmentof MODIS BRDF Shape Indicators［J］， Journal of Remote Sensing， 2011，15（3）：432-456.
32	焦子锑，李小文，王锦地，等.评估MODIS的BRDF角度指数产品［J］.遥感学报，2011，15（3）：432-456.

[1]	汪垚,方红亮,张英慧,李思佳. 基于机载LVIS和星载GLAS波形LiDAR数据反演森林LAI[J]. 遥感技术与应用, 2020, 35(5): 1004-1014.
[2]	侯吉宇,周艳莲,刘洋. 不同叶面积指数遥感数据模拟中国总初级生产力的时空差异[J]. 遥感技术与应用, 2020, 35(5): 1015-1027.
[3]	桑宇星,刘刚,江聪,任舒艳,朱再春. 近30 a中国叶面积指数变化趋势的不确定性评估[J]. 遥感技术与应用, 2020, 35(5): 1028-1036.
[4]	刘刚,桑宇星,赵茜,江聪,朱再春. 生态系统模型模拟中国叶面积指数变化趋势及驱动因子的不确定性[J]. 遥感技术与应用, 2020, 35(5): 1037-1046.
[5]	刘婵,刘冰,赵文智,朱钊岑,司瑞. 中亚地区植被净初级生产力时空动态及其与气候因子关系[J]. 遥感技术与应用, 2020, 35(4): 924-933.
[6]	焦雪敏,张赫林,徐富宝,王岩,彭代亮,李存军,徐希燕,范海生,黄运新. 青藏高原1982~2015年FPAR时空变化分析[J]. 遥感技术与应用, 2020, 35(4): 950-961.
[7]	唐希颖,崔耀平,李楠,付一鸣,刘小燕,闰亚迪. 2000~2015年北京市土地利用强度及其辐射反馈评估[J]. 遥感技术与应用, 2020, 35(3): 587-595.
[8]	王红岩,汪晓帆,高亮,李强子,赵龙才,杜鑫,张源. 基于季相变化特征的撂荒地遥感提取方法研究[J]. 遥感技术与应用, 2020, 35(3): 596-605.
[9]	董超,赵庚星. 时序数据集构建质量对土地覆盖分类精度的影响研究[J]. 遥感技术与应用, 2020, 35(3): 558-566.
[10]	岳昂,曾庆伟,王怀警. 于桥水库蓝藻水华遥感长时序监测研究[J]. 遥感技术与应用, 2020, 35(3): 694-701.
[11]	谷祥辉,张英,桑会勇,翟亮,李少军. 基于哨兵2时间序列组合植被指数的作物分类研究[J]. 遥感技术与应用, 2020, 35(3): 702-711.
[12]	柴旭荣,李明,周义,王金风,田庆春. 影像的土地覆被快速分类[J]. 遥感技术与应用, 2020, 35(2): 315-325.
[13]	龙爽,郭正飞,徐粒,周华真,方伟华,许映军. 基于Google Earth Engine的中国植被覆盖度时空变化特征分析[J]. 遥感技术与应用, 2020, 35(2): 326-334.
[14]	谭美宝,冉有华,苏阳,李新,杜得彦,廉耀康. 黑河流域2001~2017年植被变化特征及其可延续性评价[J]. 遥感技术与应用, 2020, 35(2): 335-344.
[15]	王艺晴,韩震,周玮辰,吴义生. SMAP卫星海表面亮温仿真及海表面盐度遥感反演[J]. 遥感技术与应用, 2020, 35(2): 365-371.

Viewed

Full text

Abstract

Cited

Shared

Discussed