报告开始:2023年05月07日 14:12(Asia/Shanghai)
报告时间:12min
所在会场:[7D] 7D、遥感与地理信息科学 [7D-1] 7D-1 遥感与地理信息科学
暂无文件
叶面积指数(Leaf Area Index,LAI)是表征植被冠层结构和功能的关键参数,也是生态系统、全球碳循环和气候系统的重要结构参数。实时、准确的农田LAI可以在作物生长初期实现产量及时预报,为农业生产的宏观调控提供参考。遥感因其动态宏观、覆盖范围广等特点,广泛应用于LAI数据获取。目前基于AVHRR、VEGETATION、MODIS等多种传感器数据已生产出一系列长时序全球LAI产品。然而,以上传感器较粗的空间分辨率难以实现地块级精准监测。近年来,随着空间技术的快速发展和数据共享模式的成熟,欧空局的Sentinel-2卫星、PlanetScope、中国高分六号(GF-6)卫星等高时空分辨率遥感卫星应用,使得地块级农田LAI监测成为可能。由于各种传感器的天顶角、光谱响应函数和时空谱分辨率等差异,导致LAI监测结果存在诸多不确定性。因此,开展不同卫星数据的一致性分析,对实现多星协同观测、融合多源数据生成每日连续高空间分辨率遥感产品意义重大。本研究选取了法国和中国2016至2022年间35个不同地点的80块农田作为研究对象,计算了NDVI、EVI等典型植被指数,并基于PROSAIL辐射传输模型和半经验贝叶斯反演算法计算农田LAI,通过对比不同卫星波段反射率、常用植被指数和LAI,研究了Sentinel-2、GF-6和PlanetScope三种卫星数据间的一致性问题,并结合地面采样数据进行精度评价。结果表明(1)Sentinel-2、PlanetScope和GF-6影像反射率之间存在显著线性关系;(2)三种传感器的植被指数具有较强的相似性;(3)三类影像反演的LAI一致性较好,经地面实测数据对比,估测的LAI精度较高,R2>0.7。在种植结构复杂地区,PlanetScope影像以其高时空分辨率优势更能凸显LAI估算的准确度。PlanetScope最新发射的Superdove传感器相比于Dove R增加了红边波段,对提高LAI反演精度具有积极作用。本研究初步证明,三种卫星数据间的一致性较好,为多源卫星的融合应用奠定了基础。
05月05日
2023
05月08日
2023
初稿截稿日期
注册截止日期
发表评论