高分一号卫星影像特征及其在草地监测中的应用

doi:10.11733/j.issn.1007-0435.2015.05.029

草地学报 ›› 2015, Vol. 23 ›› Issue (5): 1093-1100.DOI: 10.11733/j.issn.1007-0435.2015.05.029

高分一号卫星影像特征及其在草地监测中的应用

王磊^1,2, 耿君¹, 杨冉冉¹, 田庆久¹, 杨闫君¹, 周洋¹

1. 南京大学国际地球系统科学研究所, 江苏南京 210093;
2. 宁夏大学西北退化生态系统恢复与重建教育部重点实验室, 宁夏银川 750021

收稿日期:2014-09-02 修回日期:2014-12-11 出版日期:2015-10-15 发布日期:2015-12-01
通讯作者: 田庆久
作者简介:王磊(1980-),男,宁夏银川人,博士,讲师,主要从事植被与生态遥感研究,E-mail:WL8999@163.com
基金资助:
国家科技重大专项(30-Y20A01-9003-12/13);全球变化研究国家重大科学研究计划项目课题(2010CB951503);国家重点基础研究发展计划(973计划)课题(2012CB723206);国家"十二五"科技支撑计划课题(2011BAC07B03)资助

Characteristics and Application of GF-1 Image in Grassland Monitoring

WANG Lei^1,2, GENG Jun¹, YANG Ran-ran¹, TIAN Qing-jiu¹, YANG Yan-jun¹, ZHOU Yang¹

1. International Institute for Earth System Science, Nanjing University, Nanjing, Jiangsu Province 210093, China;
2. Key Laboratory for Restoration and Reconstruction of Degraded Ecosystem in North-western China of Ministry of Education, Ningxia University, Yinchuan, Ningxia 750021, China

Received:2014-09-02 Revised:2014-12-11 Online:2015-10-15 Published:2015-12-01

摘要/Abstract

摘要：

为评价高分一号卫星数据的草地监测能力,在分析传感器波段设置、辐射分辨率和光谱响应系数等特征的基础上,以草地为研究对象,提取草地分布信息,计算不同植被指数,结合地面同步观测的草地光谱、地上生物量、覆盖度和叶面积指数等实测数据,通过R²和均方根误差筛选并建立最优估算模型。结果表明:波段设置与部分常用传感器保持了较好的一致性;空间分辨率的提高,增强了地物类型的识别能力,辐射分辨率的提高,增强了数据的层次性;光谱响应系数较好的涵盖了不同草地类型的光谱曲线特征;叶面积指数和生物量的最佳估算模型均为基于比值植被指数的三次多项式模型,覆盖度最佳估算模型为基于归一化植被指数的幂函数模型,并得到了较好的制图效果。

关键词: 高分一号, 植被指数, 草地监测, 遥感估算, 影像特征

Abstract:

In order to evaluate the monitoring ability of GF-1 image in grassland, on the basis of analysis of the characteristics of the band setting, radiometric and spectral response coefficient of sensor, the distributed information was extracted, and the vegetation index of grassland was calculated. With the combination of field-measured spectrum, vegetation coverage, leaf area index and aboveground biomass data, the best vegetation index for grassland parameters was estimated. The optimal model was determined according to R² and RMSE(root-mean-square error). The results showed that GF-1 sensors kept consistency in band set comparing with other sensors. The improvement of spatial resolution enhanced the identification ability of object types, and the improvement of radiation resolution enhanced the levels of data. The spectral response coefficients covered better the spectral curves of different types of grassland. The correlation of different grassland vegetation parameters and GF-1 vegetation index reached a high level, and met the needs of remote sensing estimation or inversion. The regression analyses showed that the best estimation model for LAI and the biomass of the grassland were cubic polynomial regression model based on RVI(ratio vegetation index), and the best estimation model for the vegetation coverage of the grassland were power function model based on NDVI(normalized difference vegetation index), and the good mapping effect of the research region was obtained.

Key words: GF-1 sensor, Vegetation index, Grassland monitoring, Remote sensing estimation, Image characteristics

中图分类号:

TP79

王磊, 耿君, 杨冉冉, 田庆久, 杨闫君, 周洋. 高分一号卫星影像特征及其在草地监测中的应用[J]. 草地学报, 2015, 23(5): 1093-1100.

WANG Lei, GENG Jun, YANG Ran-ran, TIAN Qing-jiu, YANG Yan-jun, ZHOU Yang. Characteristics and Application of GF-1 Image in Grassland Monitoring[J]. Acta Agrestia Sinica, 2015, 23(5): 1093-1100.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://manu40.magtech.com.cn/Jweb_cdxb/CN/10.11733/j.issn.1007-0435.2015.05.029

https://manu40.magtech.com.cn/Jweb_cdxb/CN/Y2015/V23/I5/1093

参考文献

[1] Chen J M, Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J]. Remote Sensing of Environment,1996,55(2):153-162
[2] Pu R L, Gong P. Hyperspectral remote sensing and its Application[M]. Beijing:High Education Press,2000:70
[3] Fang H, Liang S. Retrieving leaf area index with a neural network method:Simulation and validation[J]. IEEE Transactions on Geoscience and Remote Sensing,2003,41(9):2052-2062
[4] Anaya J A, Chuvieco E, Palacios-Orueta A. Aboveground biomass assessment in Colombia:A remote sensing approach[J]. Forest Ecology and Management,2009,257(4):1237-1246
[5] Scurlock J, Hall D. The global carbon sink:a grassland Perspective[J]. Global Change Biology,1998,4(2):229-233
[6] 方精云,杨元合,马文红,等. 中国草地生态系统碳库及其变化[J]. 中国科学·生命科学,2010,53(7):757-765
[7] 梁顺利,李小文,王锦地,等. 定量遥感理念与算法[M]. 北京:科学出版社,2013:321-322
[8] Tueller P T. Remote sensing technology for rangeland management applications[J]. Journal of Range Manage,1989,42(6):442-453
[9] Taylor B F, Dini P W, Kidson J W. Determination of seasonal and interannual variation in New Zealand pasture growth from NOAA 7 data[J]. Remote Sensing of Environment,1985,18(2):177-192
[10] 陈全功,卫亚星,梁天刚. NOAA/AVHRR资料用于草原监测的研究[J]. 中国农业资源与区划,1998,5(5):29-33
[11] 李建龙,蒋平. 利用遥感环境资料进行草原大面积估产研究[J]. 草业科学,1996,13(2):14-20
[12] 史培军,李博,李忠厚. 大面积草地遥感估产技术研究[J]. 草地学报,1994,2(1):9-13
[13] 李庆,王洪涛,刘文,等. 以HJ-1卫星遥感数据估算高寒草地植被净第一性生产力的潜力评估:以若尔盖草地为例[J]. 中国沙漠,2013,33(4):1250-1255
[14] Li P, Jiang L G, Feng Z M. Cross-comparison of vegetation Indices derived from Landsat-7 enhanced Thematic Mapper Plus(ETM+) and Landsat-8 Operational Land Imager(OLI) sensors[J]. Remote Sensing,2014,6(1):310-329
[15] 王红岩,李晓松,张瑾,等. 北京一号,环境星,Landsat TM 传感器估算草地覆盖度、叶面积指数、地上生物量比较研究[J]. 光谱学与光谱分析,2013,33(10):2803-2808
[16] 高海亮,顾行发,余涛,等. 基于内蒙试验场地的定标系数真实性检验方法研究与不确定性分析[J]. 中国科学:地球科学,2013,43(2):287-294
[17] 中国卫星资源应用中心. 陆地卫星介绍[EB/OL]. http://www.cresda.com/n16/n1130/index.html, 2014/1/6
[18] 田庆久,闵祥军. 植被指数研究进展地球科学进展[J]. 地球科学进展,1998,13(4):327-333
[19] Richardson A J, Wiegand C L. Distinguishing vegetation from soil background information[J]. Photogrammetric Engineering and Remote Sensing,1977,43(12):1541-1552
[20] Jordan C F. Derivation of leaf area index from quality of light on the forest floor[J]. Ecology,1969,50(4):663-666
[21] Roujean J L, Breon F M. Estimating PAR absorbed by vegetation from bidirectional reflectance measurements[J]. Remote Sensing of Environment,1995,51(3):375-384
[22] Rouse J W, Haas R H, Deering D W, et al. Monitoring the vernal advancement and retrogradation(green wave effect) of natural vegetation[R]. Progress Report RSC 1973-1, Remote Sensing Center, Texas A&M University,1973:75-76
[23] Huete A R. A soil-adjusted vegetation index(SAVI)[J]. Remote Sensing of Environment,1988,25(3):295-309
[24] Qi J, Chehbouni A, Huete A R, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment,1994,48(2):119-126
[26] 杨飞,王卷乐,陈鹏飞,等. HJ-1A CCD与TM数据及其估算草地LAI和鲜生物量效果比较分析[J]. 遥感学报,2012,16(5):1000-1023
[27] 王园香,李贵才,戎志国,等. NOAA18/AVHRR与FY-3A/VIRR的OLR产品一致性和差异性分析[J]. 遥感学报,2013,17(5):1311-1323
[28] 李丽,顾行发,叶泽田,等. 不同卫星载荷探测NDVI性能差异分析及变换参数确定[J]. 中国科学:地球科学,2012,42(2):238-245
[29] 陈拉,黄敬峰,王秀珍. 不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析[J]. 遥感学报,2008,12(1):143-151
[30] 李素英,李晓兵,莺歌,等. 基于植被指数的典型草原区生物量模型:以内蒙古锡林浩特市为例[J]. 植被生态学报,2007,31(1):23-31
[31] Gao F, Schaaf C B, Strahler A H, et al. Detecting vegetation structure using a kernel-based BRDF Model[J]. Remote Sensing of Environment,2003,86(2):198-205
[32] 冯晓明,赵英时. 半干旱草场的多角度多波段反射率遥感模型[J]. 遥感学报,2005,9(4):337-342
[33] Hmiminaa G, Dufrênea E, Pontaillera J Y, et al. Evaluation of the potential of MODIS satellite data to predict vegetation phenology in different biomes:An investigation using ground-based NDVI measurements[J]. Remote Sensing of Environment,2013,132:145-158

高分一号卫星影像特征及其在草地监测中的应用

Characteristics and Application of GF-1 Image in Grassland Monitoring

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	黄家兴, 吴静, 李纯斌, 秦格霞, 钱娟冰, 李怀海. 基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演[J]. 草地学报, 2021, 29(9): 2023-2030.
[2]	肖云飞, 陈文业, 王斌杰, 谈嫣蓉, 邴丹珲, 朱丽, 刘鸿源. 祁连山国家级自然保护区土地利用时空变化及与气候因子关系研究[J]. 草地学报, 2021, 29(9): 2049-2057.
[3]	罗杨, 陈志飞, 周俊杰, 简春霞, 赖帅彬, 陈阳, 王绍妍, 靳媛, 徐炳成. 黄土丘陵区白羊草群落光谱特征对氮磷添加的响应[J]. 草地学报, 2021, 29(6): 1158-1165.
[4]	顾锡羚, 郭恩亮, 银山, 王永芳, 那仁满都拉, 万志强. 干旱对内蒙古植被生长的累积与滞后影响评估研究[J]. 草地学报, 2021, 29(6): 1301-1310.
[5]	宋奇, 高琪, 马自强, 王楠, 王明玥, 彭杰. 1990—2019年阿拉尔垦区植被覆盖时空变化特征分析[J]. 草地学报, 2021, 29(5): 1014-1024.
[6]	于璐, 王迅, 柴沙驼, 刘书杰. BP神经网络在环青海湖地区天然草地估产研究中的应用[J]. 草地学报, 2020, 28(5): 1427-1435.
[7]	纪童, 王波, 王占军, 杨军银, 李强, 刘志刚, 关文昊, 何国兴, 潘冬荣, 柳小妮. 草坪草叶绿素高光谱估测模型的建立及Pb²⁺胁迫下的反演研究[J]. 草地学报, 2020, 28(3): 675-683.
[8]	于璐, 王迅, 柴沙驼, 刘书杰. 基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究[J]. 草地学报, 2020, 28(2): 547-557.
[9]	潘影, 张燕杰, 武俊喜, 张宪洲, 余成群. 基于遥感和无人机数据的草地NDVI影响因子多尺度分析[J]. 草地学报, 2019, 27(6): 1766-1773.
[10]	蔡宗磊, 苗正红, 常雪, 刘艳慧, 郝刚, 何龙涛. 基于无人机大样方数据及国产卫星反演草地植被覆盖度方法研究[J]. 草地学报, 2019, 27(5): 1431-1440.
[11]	李璠, 徐维新. 2000-2015年青海省不同功能区NDVI时空变化分析[J]. 草地学报, 2017, 25(4): 701-710.
[12]	王保林, 杨勇, 郑淑华, 刘爱军. 基于植被指数的典型草原光合有效吸收比例估算研究[J]. 草地学报, 2016, 24(3): 689-692.
[13]	张巧凤, 刘桂香, 于红博, 包玉海. 基于MOD16A2的锡林郭勒草原近14年的蒸散发时空动态[J]. 草地学报, 2016, 24(2): 286-293.
[14]	阿尔达克·克里木, 塔西甫拉提·特依拜, 尼格拉·塔什甫拉提, 张东. 艾比湖自然保护区荒漠-盐生植被VIS-NIR光谱反射特征研究[J]. 草地学报, 2016, 24(2): 453-458.
[15]	周鑫, 盛建东, 张文太, 武红旗, 王新军. 基于MODIS数据的伊犁地区草地地上生物量反演[J]. 草地学报, 2015, 23(1): 27-33.