基于MODIS的鄱阳湖区水稻叶面积指数遥感估算（可编辑）

基于MODIS的鄱阳湖区水稻叶面积指数遥感估算（可编辑） 分 类 号: 密 级: 学校代码: 10414 学 号: 2009010175硕 士 研 究 生 学 位 论 文 基于 MODIS 的 鄱 阳 湖 区水 稻 叶 面 积指 数 遥感估算 Estimating of Rice Leaf Area Index from MODIS Data ,Poyang Lake Area 朱凤凤 院 所 :地理与 环境学 院导师 姓名: 陈 晓玲 赵红 梅 学 科专业 : 自然 地理学 研究 方向:GIS 和 RS 的 应用 二?一二年 六月 独 创 性 声 明 本 人 声 明 所 呈 交 的 学 位 论 文 是 本 人 在 导 师 指 导 下 进 行 的 研 究 工 作及取得 的研究 成 果。 据 我所知 , 除 了 文中特别 加以标 注 和致谢的 地 方外, 论文中 不包 含其他人 已经发 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 或撰写过 的研究 成 果, 也 不包含 为获得或 其他教 育 机构的学 位或证 书 而使用过 的材料。 与 我一同工 作 的 同 志 对 本 研 究 所 做 的 任 何 贡 献 均 已 在 论 文 中 作 了 明 确 的 说 明 并 表 示谢意。 学位论文 作者签 名 : 签字日期: 年月日学 位 论 文 版 权 使用 授 权 书 本学位论 文作者 完 全了解江 西师范 大 学研究生 院有关 保 留、 使用 学位论文 的规定, 有 权保留并 向国家 有 关部门或 机构送 交 论文的复 印 件和磁盘 , 允 许论 文被查阅 和借阅 。 本人授权 江西师 范 大学研究 生院 可以将学 位论文 的 全部或部 分内容 编 入有关数 据库进 行 检索, 可以 采 用影印、 缩印或 扫 描等复制 手段保 存 、汇编学 位论文 。 (保密的 学位论 文 在解密后 适用本 授 权书) 学位论文 作者签 名 : 导师签名: 签字日期: 年月日 签字日期: 年月日 摘 要 叶面积指数(Leaf Area Index ,缩写 LAI )是 表征地表 生物量、植被 功能及 其 生态 状态变 化 的 重要 参数之 一 。水 稻的 叶面 积指数 对外界 生境 变化 比较敏 感, 且 通过影响光合速率 , 进而影响着水稻的产量。 鄱阳湖平原是全国主要的水稻生 产基地 , 该区域水稻叶面积指数的准确提取, 对于指导农业生产及农业灾害的快 速提取具有重要意义。 本研究通过建立多种植被指数与实测叶面积指数之间的回 归统计, 改进叶面积指数的估算模型。 并将该模型应用于 “基于 MODIS 鄱阳湖 区水稻叶面积指数的估算” 中 , 结果表明 , 不同生长期, 叶面积指数的时空变化 规律不同: (1) 通过植被指数与实测 LAI 的回归分析表明, 不同生长期水稻的植被指数 与 LAI 之间的非线性估 算模型优于线性模型 。 对水稻生殖生长期内的回归分 析, 除 EVI 的是以乘幂 型的估算效果最佳, 其他的植被指数均以二次曲线为 最佳,其中最优估算模型为以 GRNDVI 的二 次曲线模型。 (2) 对水稻不同生长阶段的 估算,LAI 的最佳模型 形式仅在 蜡熟期 是以对数 模型为最佳, 其他生长 阶段与整个生殖生长期的 一致, 以二次曲线的 估算效 果最好。 但是在不同生长期, 最佳估算模型的植被指数相差较大, 在幼穗分 化期以 RVI 的二次曲线 估算效果最好, 抽穗期 和完熟期是以 BNDVI 的二次 曲线的估算效果最好, 灌浆结实期和乳熟期以 EVI 的二次曲线最好 , 而在 蜡 熟期则以 EVI 的对数估 算模型为最佳。 (3) 利用相对误差分析 MODIS LAI 与最优模型估 算的 LAI 表明本研究的 最 优 LAI 估算模型的精度 高于 MODIS LAI 的精度 , 且 MODIS LAI 对水 稻 LAI 存在明显的低估。 (4) 利用与地面样方大小一致的高分别率 Landsat/ETM 修复数据对 MODIS 进行空间尺度上推, 分析 发现由 ETM 推算的 MODIS-NDVI 和 MOD09 中提 取的 NDVI 对 LAI 的遥 感估算精度相似,表明 利用大小为 30m×30m 的样方 实测的 LAI 与从 MOD09 中提取的植被指数的统计回归是可行的。 (5) 利用最优估 算 模 型 估 算 的 LAI 在 空 间 上 的 应 用 发 现 近 湖 地 带 LAI 要 小 。 然而,不同生长期 水稻 LAI 的最优估算模型 精度比 MODIS LAI 产 品的高, 但是对于模型本身的统计关系不是很显著, 模型的 估算的误差 有点大, 对于水稻 LAI 估算的业务化应用 需做进一步的验证研究。 关 键词 : MODIS ;鄱 阳湖区; 水稻;叶面积指数;遥感估 算;AccuPAR I Abstract The leaf area index Leaf Areathe Index, abbreviationLAI is one of the important parameters for characterization of surface biomass, vegetation function and its ecological status change. Leaf area index of rice is sensitive to habitat changesin the environment, and decides the yield of riceby influencing the photosynthetic ratePoyang Lake Plain is a major rice production bases. To accurate extraction leaf area index of the rice in this regionis of great significance for the guidance of agricultural production and the rapid extraction of agricultural disasters. In this study, through the establishment of avariety of vegetation index and situ leaf area index by the regression statistics analysis, improved model ofestimating leaf area index. And the optimal model is applied “Estimating of Rice Leaf Area Index from MODIS Data, Poyang Lake Area", the results show that the rice leaf area index has different temporal and spatial variation of different growth stages(1) Regression analysis between vegetation index and situ LAI showed that, in the different growth stages of rice nonlinear estimation model is better than the linear model. The best regre, in addition to the EVI is based on power estimation the best rice reproductive growth period, the other vegetation indices are quadratic curve is the best, including the optimal estimation model for the quadratic model of GRNDVI(2) At the different growth stages, the form of the best model of the wax ripe stage is different from others’ whichbased on the logarithmic model i best s the , the other growth stages and the reproductive growth consistent in order to estimate the effection of the quadratic curve best. Quite different but in a different growing season, the best estimate model of the vegetation index, RVI a quadratic curve to estimate the effect of the best in the panicle initiation stage, heading stage and ripening stage is of BNDVI a quadratic curve estimate best filling stage and milky stage EVI quadratic curve best mature stage in December, while EVI Logarithim is the best(3) The relative error analysis of the MODIS LAI and the optimal model estimates LAI that this study, the optimal LAI estimation model accuracy than the accuracy of the MODIS of LAI, the MODIS of LAI significant underestimation of the rice LAI exist II(4) Consistent with the ground the size of the quadrat, the high rate of the Landsat/ETM repair data on the spatial scale of MODIS push analysis found that the MODIS-NDVI and MOD09 projected by the ETM extracted NDVI to LAI remote sensing estimation accuracy, show that the size of 30m x 30m quadrat measured LAI extracted from MOD09 vegetation index statistical regression is feasible(5) By using the optimal estimation model to estimate LAI in spatial abdicated that LAI near by Poyang Lake is smaller than where is far from the LakeAlthough, the best of the different growth stages of rice LAI estimation model accuracy than the MODIS of LAI products of high, the statistical relationship of the model itself is not very significant, the model estimates the error bit, and business applications for rice LAI estimation to be done to further validation study Key words :MODIS; Poyang Lake Area; Rice; Leaf Area Index; Remote Sensing Estimation; AccuPAR III 目 录 摘 要I ABSTRACT. II 目 录. IV 1 绪论. 1 1.1 选题背景和研究意义 1 1.2 叶面积指数反演研究进展2 1.2.1 国外研究进展3 1.2.2 国内研究进展3 1.3 研究 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 . 5 1.3.1 研究内容 5 1.3.2 研究目标 5 1.3.3 研究思路及可行性分析 6 1.4 本文特色. 7 2 研究 区概 况和使 用的数 据. 9 2.1 研究区概况9 2.2 卫星遥感数据及预处理 10 2.2.1 卫星遥感数据. 10 2.2.2 卫星遥感数据预处理11 2.3 地面观测及其他专题数据. 11 3 水稻 叶面积 指数 的实测 实验13 3.1 观测布点原则13 3.2 观测点的分布13 3.3 仪器使用及注意事项14 3.3.1 仪器简介14 3.3.2 注意事项 15 3.4 数据采集与记录 15 3.4.1 水稻LAI 的采集 15 3.4.2 观测记录 16 4 水稻 叶面 积指数 的估算17 4.1 实测数据的选取 17 4.2 植被指数的选用 18 4.3 分析方法的选取 19 4.4 回归分析结果对比分析 19 4.4.1 生殖生长期内的回归分析 19 4.4.2 生殖生长期不同生长阶段的回归分析20 4.5 回归分析的精度验证29IV4.5.1 不同生长期 LAI 最优估算 模型相对误差分析 29 4.5.2 估算LAI 与 MODIS LAI 的相对误差分析. 30 4.5.3 基于ETM+ 影像的精度验证 31 4.6 鄱阳湖区水稻 LAI 的时空变化特征33 4.6.1 水稻LAI 的时序特征. 33 4.6.2 水稻LAI 的空间变化特征 34 5 结论 和展 望 36 5.1 结论. 36 5.2 问题与展望. 36 参 考文 献. 38 致谢43 在 读期 间公开 发表 论文( 著) 及科研 情况 44V 基于 MODIS 的鄱阳湖 区水稻 叶面积指数 遥感估算1 绪论 1.1 选题背景和研究意义 鄱阳湖湿地是长江中游最大的天然水量调节器, 起着调蓄洪峰、 减轻 洪水灾 害的作用。 作为国际重要湿地, 近年来, 其生态环境与生态安全受到诸多学者的 关注, 遥感技术的应用在此区域的研究亦发挥的越来越能体现其优势, 甚至有研 究指出只有通过遥感技术才能准确快速地为湖区的湿地生态环境动态 监测及其 资源的保护和合理利用、 湿地的恢复与重建提供科学依据 (张其兵,2009. ) 。 但 是, 目前遥感技术在鄱阳湖湿地主要应用于湿地景观格局 (饶胜等,2002 ; 江辉 等,2008. ) 、 水生 态环 境(王 婷等 ,2008 ;邬 国锋等 2007 ; 邬国 锋 等,2009. ) 、 湖体形态、 水位等方面研究较多, 在生态系统功能评价、 碳循环、 水文过程等陆 地地表过程方面的研究甚少见。 叶面积指数(Leaf Area Index ,缩写 LAI )是 表征地表植被及其变化活动的 重要参数之一 (Bo Jiang ,et.al.,2010), 在反映作物的生物物理过程和系统功能 中起着不可替代的作用, 同时它也是许多作物生长模型和决策支持系统的一项重 要输入参数 (方秀琴等,2003; 姚延娟等,2005 ; 田永超等,2009;Chen et al. , 1996. ) 。 它控制着植被许多生理和物理过 , 如光合、 呼吸、 蒸腾作用 、 碳循环和 降水截留等 (Bonan et al. ,1995; Chen et al. , 1996.)。LAI 传统的获 取方法为地 面实测法, 但是此方法具有一定的破坏性 (任海等,1997; 谭一波等,2008;刘 刚,2008) , 花费的人物力资源较多, 且给大面积 LAI 的提取带了困 难。 而遥感 具有覆盖面广、多时相等特点,为大面积 LAI 的 提取提供了可能( 李淑敏等, 2009 ) 。 目前, 利用遥感技术提取 LAI 已成为国 际遥感技术研究的热点问题之一。 利用遥感进行 LAI 反 演的方法大致可分为基于经验的统计模 型和物理机理 模型。LAI 的遥感反 演 模型要么是参数多、 方程复杂的物理机理模型反演法 (王 东伟等 ,2009) ,但 是 受模型 本身的 限制 ,其 发展应 用有很 大的 难度 ;要么 是基 于地面实测冠层光谱反射率数据的模拟或者是利用高空间分辨率的实 验田的反 演。 而基于地面实测冠层光谱反射率数据的模拟一方面由于地面观测光谱仪成本 高, 并且地面观测人力、 财力耗费大, 无法实行大面积的观测, 另一个方面地面 实测光谱反射率数据跟卫星遥感的实测数据存在一定的差异, 其结果不能完全等 同于是卫星遥感数据的结果。 且基于实验田的高光谱反射率反演是在对水稻品种 以及施肥量、 灌溉等生态因子的量都是可掌 握的, 而现实中我们不可能对任何区 域的水稻种植品种以及施肥量、 灌溉等生态因子的量一一掌握, 因此, 这种实验 1 硕士学位论文 田的研究成果无法在大范围的现实水稻种植区推广。 由此可以看出要大量、 准确 地获取地面实测 LAI 是非常困难的,而要获得时空连续的 LAI 则 更是不可能 , 然而遥感技术为此类研究提供了其优势。 中分辨率成像光谱仪MODIS 因其具有高光谱 分辨率、 重复周期短、 传感器 的灵敏度较 NOAA-AVHRR 高以及 Terra 和 Aqua 两颗卫星过境时间互补使得多 时相的动态环境变化监测成为可能等特点较其他卫星而言更适合于大 范围流域 尺 度 的生 态环 境状 况动态 变 化监 测( 谭德 宝等,2006.)。MODIS 向 全 球 免费 提 供一系列经过加工处理过的数据产品, 为区域陆地生态系统的业务化监测提供了 可能。MODIS 的陆地 产品中 有 LAI 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 产 品 MOD15/MYD15 , 然 而,NASA 目 前发布的 MODIS LAI 数据产品在生产过程中受到如云的覆盖、 大气中的气溶胶、 季节性的雪覆盖、传感器故障及传感器的观测几何等噪声的影响,导致 MODIS LAI 质量不理想。制约 着 MODIS LAI 产品在 农作物长势监测与产量估计、地球 表面过程模拟、 全球变化研究等领域的应用 (Hongliang, Fang et al. ,2008 ; 肖志 强等,2008.)。 MOD09 反射率产品是经过了大气分子散射、臭氧、气溶胶及云处理的校正 产品。梁天刚(2009 ) 、崔霞(2009)和刘兴元(2010)等人用 MOD09 数据很 好地估算了草地生物量,实现了草地载畜量的遥感动态监测。程乾(2006 )用 MOD09 在杭州余杭区开展了水稻 LAI 估算模 型的研究, 取得了精度较高的实验 田水稻 LAI 遥感估算模 型。 水稻叶片是稻株进行光 合作用, 制造有机物的重要器官, 其光合量占全株总 光合量的 90% 以上, 叶面积指数大小影响光合速率的高低, 即决定产量的高低 (徐 英等,2006) ,并能提供水稻生长的动态信息(Wang F M, et.al., 2007 ) ,且鄱阳 湖平原是我国重要的粮食产地, 水稻是主要的粮食作物。 因此开展本区水稻生长 的动态遥感监测江西省乃至全国的粮食安全都有重要的意义。 此外, 水稻田作为 典型的人工湿地,在碳循环中到底是碳源还是碳汇尚待研究,而 LAI 是 碳循环 中的一个重要参数。因此,开展鄱阳湖区水稻 LAI 反演研究具有 一定的科学价 值。 1.2 叶面积指数反演研究进展植被指数遥感反演是指 通过反演算法 (g ) 建立 植被结构? 与反射率集? 、? 光源? 、 探测器? 、 大气? 、 背景或土壤? 的关系, 即? (? ,? ,? ,? ,) , 并进而确定光谱半球反射率及辐射吸收量、 光合作用吸收率等 ( 柳钦火等,2010 ) 。 叶面积 指数 的 反演在 遥感的 早期 就受 到重视 ,一直 是遥 感反 演领域 的热 点和难点 (Verhoef ,1984 ;Goel and Thompson ,1984a ,1984b,1984c ;Kuusk , 1998 ;Tian et al. ,2002)。2 基于 MODIS 的鄱阳湖 区水稻 叶面积指数 遥感估算 1.2.1 国外研究进展 国外在利用遥感反演叶面积指数的研究开展的较早。早期的 LAI 提 取主要 是基于经验公式法的遥感反演 (王东伟等,2009.),70 年代开始发展为以物理模 型反演法为主, 根据各模型模拟物理机理的 偏 重点不同或物理过程数学化的方式 不同, 物理模型又可分为辐射传输、 几何光学和计算机模型。 国外发展的比较多 的冠层辐射传输模型, 典型的有 PROSPECT 模型 (Jacquemoud and Baret , 1990)、 SAIL 模型 (Verhoef ,1984)和 SUIT 模型, 几 何光学模型有 GeoSail 模型以及计 算机模拟模型。 这类模型中各参数的物理意义明确, 但是这类模型需要输入的参 数多,有些函数不收敛,而且假定比较多,导致反演病态(陈健等,2005.)。 1.2.2 国内研究进展 国内在 LAI 的遥感反演 方面起步相对较晚, 其中比较有影响的有 Li-Strahler 模型(Li and Strahler, 1985,1986 )和陈镜明等(Chen et al.,1997 )人的多尺度几 何光学 模型 。近几 年, 蔡博峰 等(2007 ) 、 李 淑敏等 (2009 ) 、杨 飞 等(2010)、 刘照言等 (2010) 、 武佳丽等 (2010) 也出现了基于冠层辐射传输的 LAI 模型反 演,但是国内大部分对 LAI 的遥感反演还 是停留在统计模型法反演, 并对某一 土地利用类 型和某一 区 域开展了大 量工作。 郭 琳等(2010) 人利用环 境星 CCD 图像反演对广西甘蔗种植区的 LAI 反演显示 植被指数与 LAI 的估 算中支持向量 回归模型的反演精度最高, 李凤秀等人 (2008 ) 对东北黑土玉米的垂直植被指数 (Perpendicolar Vegetation Index ,PVI )反演 LAI 模型估算表明最佳 回归模型为 指数模型,阎晓娟(2008 )发现利用实测冠层 反射率数据对田间尺度 的 NDVI 与 LAI 的最优反演模型 为一元线性回归模型, 李开丽等 (2005) 利用 Landsat-TM 遥感数据的研究发现植被指数(VI )与 LAI 之间的最佳回归模型为多元线性回 归模型,薛利红等人(2004)的研究发现实测水稻 LAI 与各种植被 指数均呈曲 线相关,其中红波段/ 绿波段的比值对 LAI 的模拟效果最好,靳安华等(2008) 利用 CBERS-02 数据研究三江平原不同湿地植被表明不同湿地植被类型的 NDVI 与 LAI 三次曲线回归模 型的拟合精度最高。 刘 占宇等 (2008)用 MODIS 数据计 算的调节归一化植被指数 ANDVI (adjusted-normalized difference vegetation index ) 对 LAI 的预测效果最 好,在水稻 LAI 的估 算模型中亦有不同的发现,何英彬等 (2007)用 MODIS 计 算的 NDVI 数据反演水 稻逐日 LAI 发现抛物 线统计模型 的模拟精度最好,并且整体拟合要优于分段拟合的效果。 王福民等(Wang F Met.al., 2007 )通过地面实测 水稻光谱模拟 Landsat -5 的红、绿、蓝波 段的所有组 合代替常规 NDVI 的红 光波段构成的 VNDVI (有 GNDVI 、BNDVI 、GBNDVI 、 RBNDVI 、 GRNDVI 和 PNDVI ) 与实测 LAI 的 统计分析 表明 GNDVI 和 GBNDVI 在估算 LAI 时要优于其 他植被指数。3 硕士学位论文 在多光 谱和 高光谱 领域 亦有应 用植 被指数 来估 算叶面 积指 数的研 究与 应用。 在多光谱方面, 姚延娟等 (2005) 的研究表明多角度和多光谱遥感数据相结合的 方法可 以有 效的反 演行 播作物 的叶 面积指 数。 刘照言 (2010 ) 、韩 桂 华(2010) 等利用多光谱遥感数据通过建立冠层反射率与查找表法 (LUT ) 来反 演 LAI。在 高光谱应用领域的报道有陈拉等 (2008) 利用 在浙江大学华家池校区试验农场试 验的 2002 和 2004 年 的冠层实测数据模拟了 NOAA-AVHRR 、Terra-MODIS 和 Landsat-TM 的可见光 波段范围的反射率所计算的各种植被指数与 LAI 的数学关 系发现: 红边比值植被指数Red-edge RVI , 并且 MODIS 的 Red-edge RVI 指数 拟合的精度最高 ,绿波段指数 GRVI 与 LAI 有 更好的线性相关关系 ,而 GNDVI 和 LAI 呈现更好的对数 相关关系。 程乾等 (2006 ) 利用 MOD09 产品计算的四种 植被指数与用干叶重法测的 LAI 进行回归分 析得出在杭州 余杭区,MODIS-EVI 与 LAI 的相关性最好。总之, 由于地域差异 和传感器等诸多因子的影响, 水稻的植被指数与 LAI 之 间的 经验关系形式多样。 本研究综合前人对水稻 LAI 反演研究的基 础,分别以 MODIS 的比值指数 RVI 、 绿波段指数 GRVI 、 增强型植被指数 (EVI??Enhanced Vegetation Index ) 、 绿 通 道 归 一 化 指 数 GNDVI 、 归一化植被指数 (NDVI??Normal Differential Vegetation Index ) , 以及其他五种基于 红、 绿、 蓝 通道 不同组合计算的归一化指数: 蓝通道归一化指数 BNDVI、蓝- 绿 通道归一化 指数 GBNDVI、红- 绿 通道归一化指数 GRNDVI、蓝- 红通道归一化指 数 GBNDVI 和所有可见光波段的归一化指数 PNDVI 等十 种植被指数 与实测水稻 LAI 进行统 计 回归, 并且分别利用线性 、 指数、 对数、 二 次曲线、S 曲线和生长 曲线 (表 1) 进行 统计分析, 以获得 不同生长期基于不同植被指数的 最优水稻 LAI 估算模型 。 表 1 回 归模 型 ( 周玉 民等 编著,2009 ) 模型名 称 回归方 程 直线(linear ) y b + b x 0 1 2 二次曲 线(Quadratic ) y b + b x + b x 0 1 2 b1x 指数曲 线(Exponential ) y b e0 对数曲 线(Logarithmic ) y b + b lnx 0 1 b0 + b1/x S 曲线 (S ) y e b0 + b1x 生长曲 线(Growth ) y e 4 基于 MODIS 的鄱阳湖 区水稻 叶面积指数 遥感估算 1.3 研究方案 1.3.1 研究内容 本文的研究内容包含地面观测、遥感影像数据预处理和 LAI 的遥感 反演以 及反演精度比较与评价。 (1 ) 地 面观 测与数 据分 析 在南昌县水稻种植区选择分散的 22 个观测点进行地面观测, 利用 AccuPAR LP-80 冠层分析仪测得 各个水稻冠层样方的上下光合有效辐射, 在水稻收割后在 每个观测样方中随机选取三个 1×1m 小样方, 记录小样方中的水稻株数以计算各 个样方的水稻种植密度。 数据带回实验室录入电脑存档, 最后汇总所有点的观测 数据,分析观测数据的可行性、误差来源及其可能对结果的影响。 (2 ) 遥 感影 像数据 预处 理和 LAI 遥感估算 利用 ERDAS IMAGINE 对 MOD09GA 数据 进 行格式、投影转换、多时相遥 感影像的自动配准,利用 ArcGIS 的 Sampling 提取对应对观测点的 1~4 通道的 反射率数据以便植被指数的计算 。 在 SPSS 中分别对水稻 不同生长期的不同 植被指数与实测 LAI 分别进行线性、 指数、 对数、 二次曲线 、S 曲线和生长曲线进 行分析 回归分析, 综合比较调整系 2 数 R 、 总体均方差 (RMSE), 获得不同生长 期基于不同植被指数的最优水稻 LAI 估算模型 ,并制作不同生长期的 LAI 分布图。 (3 ) 估算精度分析 2 首先,利用比对法比较 10 种植被指数与实 测 LAI 回归分析的调 整 系数 R 2 大小 ,调整系数 R 越大 表明该植被指数与 LAI 的回归模拟效果越 好,则这个模 型的反演精度越高。 其次,由于 LAI 与各 种植被指数之间采用的是不同的回归方程,仅从相关 系数比较回归模型的精度是不够的 (徐全芝等 , 2003.) 。 为 获得湖区水 稻最优 LAI 估算模型, 须进一步验证各植被指数估算 LAI 的精度。 为此, 用相对误 差 (Relative Error??RE ) 分 析 水稻 不 同 生 长 阶段 的 最 优回 归 模 型 的 精度 , 并 把估 算 结 果 与 MODIS LAI 标准产品 进行相对误差分析。 最后, 用高空间分辨率的 ETM+ 影像进行 空间 尺度上推作进一步的 精度验证。 1.3.2 研究目标 利用地面实测 LAI 数 据与各种植被指数进行回归分析,研究出适合鄱阳湖 湖区水稻可行的简单的、高精度的 LAI 遥感 反演模型,以实现鄱阳湖区 LAI 反 演的业务化应用, 同时也为湖区生产力的估算、 碳循环、 地表过程等的研究提供 一个基本参数的可靠快捷获取途径。5 硕士学位论文 1.3.3 研究思路及可 行性分析 1.3.3.1 研究思路 (1 ) 地 面实 测数据 的获 取在熟练了各仪器的使用后, 确定观测方案, 选择 观测点, 定期观测水稻的 LAI , 记录 水稻的种植密度, 并用手持 GPS 记录各 观测点的地理位置以便在影像上定 点采样。 (2 ) MOD09 数 据 的下 载和预 处理获取 MOD09 数据后, 由于 MODIS 数据产品 都是 HDF 格式、 投影 为等积正 弦曲线投影, 需进行格式转换和投影转换, 然后再以研究区为感兴趣区进行裁剪。 然后进行波段组合以查看影像的质量, 同时利用彩色合成的影像帅选出湖区云少 少的质量高的影像。最后以地面观测点为采样点获得 1~4 通道的反射率值。 (3 ) 数 据分 析分别对各植被指数的特征分析、 植被指数间的相关性分析和实测水稻 LAI 分 析, 再用 SPSS 16.0 进 行植被指数与实测 LAI 之间的回归分析, 比较相关系数和 相对误差、比较分析后得出湖区水稻 LAI 的最 佳估算模型。 MODIS 数据 下载 地面观 测 MODIS 数据 预处 理 实测 LAI 植被指 数的 提取 MODIS/LAI 数据的提取 建立 LAI 遥感反演 模型 反演精 度评 价 最优水 稻 LAI 反演模型 图 1 技术 路线 图 1.3.3.2 可行性分析 第一、有充分的遥感数据源 本研究选用的遥感数据是 NASA 发射的 Terra 和 Aqua 卫星上搭载 的 MODIS 6 基于 MODIS 的鄱阳湖 区水稻 叶面积指数 遥感估算 传感器数据,MODIS 数据既继承了 AVHRR 数据的特点,但在技术上又有很大 改进 (Privette J. L. et al.,2002. ) , 包括 MODIS 数 据具有 36 个波段 (0.4~15.4um), 有 250m 、500m 和 1000m 三个空间分辨率, 扫描宽度为 2330km,每 1 ~2d 观测 地球表面 1 次,可用的 数据亦更多。从 2000 年开始,NASA 已向全 球免费发 布 了包含 MODIS 原始数 据和产品的 44 种数据 ,均可从 ////0>. 免费下载。 由于 MODIS 数据的光谱分布和数据特点, 近年来已受到国内外学者 的广发关注,利用 MODIS 数据在土地利用覆 盖变化、冰雪变化、荒漠化监测、 沙尘化监测、地表 净辐射和森林病虫害监测等方面做了大量研 究,而 MOD09 、 主要的陆地产品之一。 是经过了大气分子散射、 臭氧、 气溶胶及云处理的校正产 品,并且在作物叶面积指数提取(Wang D W.et al. ,2010;程乾,2006.) 、生物量 估算(催霞等 ,2009 ; 刘兴元等 ,2010. ) 等 方 面 已 有 应 用 , 亦 有 学 者 对 此 数 据 作过精度评价结果表明是精度可靠能用于科学研究的数据。 第二、地面观测数据获取有良好的设备支撑 利用 AccuPAR LP-80 冠 层分析仪进行地面 LAI 的测量。 AccuPAR LP-80 冠层 分析仪是通过测量冠层上下的有效光合辐射 (PAR ) 来计算 LAI , 其 理论基础是 康柏尔(1986)的辐射理论(Nathalie J.J. Bré da ,2003) 。目前,AccuPAR 的应 用在国内外均有报道 (Nathalie J.J. Bré da ,2003 ;//.acs.et al. ,2009. ; 王锡 平等 ,2004.)。LAI-2000 、SunSCAN 和 AccuPAR 冠层分析仪都适合作物冠层 的 LAI 测量,但是 LAI-2000 的测量主要依靠散射光(Nathalie J.J. Bré da,2003), 一般 在早上 6:30-9:00 或者下午 4:30-7:30 来 减少因太阳 光的直接辐射而引起的误 差 (宋开山等,2006 ;李凤秀等,2008;郭琳等,2010.) ,而 AccuPAR 则相对 灵 活 更多 , 能在 有太 阳直 接 辐射 的 情况 下正 常工 作 (//.acs.et al. ,2009.), 能保证地面观测数据 与 MODIS 的 遥 感 影 像 同 步 , 亦 保 证 有 了 同 期 高 质 量 的 MODIS 遥感影像,提 高反演精度。其次,AccuPAR LP-80 冠层分析 仪具有携带 方便、数据存储容量 够大、电池耐用的特点(J. M. Kovacs. et al., 2009 ) ,并且操作 简单,能提高地面观测的效率。 1.4 本文特色 从选题来说,目前,对鄱阳湖区水稻 LAI 的 遥感估算只见赵永林(2008) 的硕士论文中,但是他仅利用 MODIS 数据 的 NDVI 和 EVI 两个 植被指数与实 测 LAI 进行了分析得 出结论过于草率。而且在地面观测点的选择上各个观测点 太过集中,本文则采用 MOD09 反射率数据计算多种植被指数,结合地面实测 LAI 针对本区水稻 LAI 进行遥感估算的研究,研究的目的性更 强。 在地面观测点的选择上,为了更好的配合低空间分辨率的 MODIS 数 据,观 测点的选择更加分散在区域较开阔、远离建筑物的地 区 , 观 测 点 的 代 表 性 更 强 。7 硕士学位论文 从观测仪器的选择上来看, 虽然在农作物、 针叶林、 落叶林的生态生理学研 究方面,LAI-2000 的 应用相当普遍(Nathalie J.J. Bré da ,2003) ,但 是 LAI-2000 冠层分析仪利用的 天 空散射光,时间上 一 般选择早上 6:30-9:00 或 者 下 午 4:30-7:30 来 减 少 因 太阳 光 的 直 接 辐 射 而 引 起的 误 差 ( 宋 开 山 等 ,2006 ;李凤秀 等,2008;郭琳等,2010.) ,而大部分卫星过境的时间地方时上午 10:00-10:30 , EOS-AQUA 的过境时 间是地方时 14:30 ,LAI-2000 测量无法保证跟卫星数据同 步。而本研究选用的 AccuPAR LP-80 植物冠 层分析仪在计算 LAI 时 考虑了太阳 高度角的变化, 计算方法见公式 (1) , 使用起来 更加灵活, 能获取跟卫星数据同 步的地面数据。 [ ] ( ) (1) 式中:L 表示 LAI , 是 AccuPAR LP-80 所 测的冠层下层BLW 的 PAR 与冠 层下层ABV 的比值, 为辐射分维数,? 为冠层的消光系数,? 的计算见公式 (2) :( ) 式中 为观测时的天顶角。 从植被指数的选择和统计分析方法上看, 本研究在综合前人研究现状, 选择 了多种植被指数与多种统计方法进行 。 8 基于 MODIS 的鄱阳湖 区水稻 叶面积指数 遥感估算2 研 究区 概况 和使 用的数据 2.1 研究区概况 鄱阳湖是中国第一大淡水湖, 位于江西省北部、 长江南岸。 鄱阳湖区是指鄱 阳湖的水域、洲滩地区,在行政区划上隶属沿湖的 11 个县市(南昌 、新建、进 贤、 余干、 鄱阳、 都昌 、 湖口、 星子、 德安 、 永修和九江市区) (张本等,1988.) 地理坐标为东经 115? 31' ~117? 6' , 北纬 28? 11' ~29? 51' (吴英豪等, ) 。 本文研究 区包含南昌市区、 湾里区和高新开发区 。 由于只对平原区的水稻进行了田间观测, 本研究 的湖区水稻仅指湖区平原区种植的水稻。 因此, 在土地 利用分 类图上只提 取平原水田的范围。 本研究 的田间观测 实验 区在南 昌县 , 南昌 县 位 于鄱阳 湖区 的南部 (图 2) , 东邻进贤县, 南接 丰 城市, 东北濒临鄱阳湖, 西与北和新建隔赣江相望。 南昌县 土地总面积约为 270 万亩,耕地面积约为 120 万亩,水稻田面积占耕地的 90% 以上 。图 2 研究区 行政 区位 图 本区地处亚热带季风气候区, 夏季高温多雨, 冬季温暖湿润。 具有优越的农 业生产条件, 耕作历史 悠久, 是我国重要的农 业生产区和商品粮生产基地 (王凤, 2006)。 湖区主 要的 粮 食作物 是水稻 ,大 部分 地区是 双季稻 ,时 间大 概为每 年的 9 硕士学位论文 3 月-11 月。其中早稻的播种时间在 3 月下旬 ~4 月上旬,4 月中下旬进行移栽, 5 月上中旬为分蘖期,5 月下旬-6 月上旬为拔 节期和幼穗分化期,6 月中下旬抽 穗, 7 月上中旬就到了早稻的成熟期。晚稻的移栽一般在 7 月中下旬即早稻收 割后进 行,移 栽后 出现 返青, 分蘖期 为 7 月 下旬 ~8 月上 旬, 拔节 期和幼 穗分 化期在 8 月下旬-9 月上旬, 9 月中旬开始抽穗, 在 9 月下旬-10 月上旬为扬花期, 10 中旬进入晚稻的成熟期,11 月中上旬收割完毕 (肖江涛,2011) 。 本研究 六次 观测分别为 拔节后期 (9 月 11-12 日的观测) 、 孕穗期 (9 月 18-19 日) 、 灌浆结实 期 (10 月 4-5 日) 、 乳熟期 (10 月 9 日) 、 蜡熟期 (10 月 16-17 日) 和完熟期 (10 月 31 日-11 月 1 日) 。 2.2 卫星遥感数据 及预处理 2.2.1 卫星遥感数据 1999 年 12 月 18 日,美国国家航空航天局NASA 成功地发射了地球观测系 统E0S 的第一颗先进的极地轨道环境遥感卫星 Terra ,2002 年 4 月 18 日 NASA 又发射了第二颗 AquaPM 1 。Terra 是过境时 间为地方时 10:30 左右,Aqua 过境 时间为地方时 14:30 左右。 中分辨率成像光谱仪??MODIS Moderate- resolution imaging Spectroradiometer 是 Terra 和 Aqua 上搭 载的最 主要和最有特色的传感器。 Terra/MODIS 和 Aqua/MODIS 的成功发射和 投入运行把遥感技术应用在全球变 化研究中推进到一个新的时代。 它的主要目标是实现从单系列极轨空间平台上对 太阳辐射、 大气、 海洋 和陆地进行综合观测, 获取有关海洋、 陆地、 冰雪圈和太 阳动力系统等观测信息, 用于土地利用和土地覆盖研究、 气候季节和年际变化研 究、 自然灾害监测的分析研究、 长期气候变率的变化研究以及大气臭氧变化研究, 实现对大气和地球环境进行长期观测和进一步的理解。 为了充分了解地球系统的 变化,保证数据源的连续性,美国今后的业务卫星观测系统将和 EOS 观测系统 接轨 ,以提供系统的、连续的地球观测信息。 MODIS 数据有 3 个显 著特点 (张京红等,2004 ; 李辉等,2008) : (1) 空间 分辨率和光谱分辨率大幅提高。 从 0.4~14.0?m ,MODIS 有 36 个波 段,其中 2 个 波段 可见光 0.62~0.67?m 和近红外 0.841~0.876?m 的空间分辨率为 250m ;5 个可见光、远红外波段空间分辨率为 500m ;其余 29 个波段空间分辨率为 1km 。 (2) 回访周期短。 时间分辨率较高。Terra 和 Aqua 都是太阳同步 极轨卫星,可以 得到每天最少 2 次白天 和 2 次黑夜更新数据。 (3)MODIS 数据的全 球免费接 收 政策,这样的数据接收和使用政策为科学研究提供了 廉 价 并 且 实 用 的 数 据 资 源 。 本文选用的是 MODIS 数据来自 NASA 发布的 MODIS 陆地产品组 中按照 统 一算法开发日地面反 射率数据产品??MOD09GA , 根 据 研 究 区 的 范 围 选 择 10 基于 MODIS 的鄱阳湖 区水稻 叶面积指数 遥感估算 H28V06 行列号、 空间 分辨率为 500m 的数据, 时间序列为 2010 年 9 月 6 日-2010 年 11 月 1 日 MOD09GA 每天的产品, 帅选出 质量相对较好的影像备用。 本研究 拟用同步的地面观测数据与遥感影像来模拟鄱阳湖区的水稻 LAI , 但 是由于地面 观测的前后两天可能有一天的影像云比较多, 为此保证遥 感影像的质量, 同时也 考虑到水稻生长的动态变化, 但是前后两天的变化又不是很明 显, 可以用前后一 两天的影像来代替观测期的遥感影像。 例如,9 月 11-12 日的 影像