您的当前位置:首页 > 研究亮点
研究亮点

成都山地所在多尺度叶面积指数遥感估算研究方面取得新进展

时间:2019-10-16   文章编辑:   文本大小:【 |  | 】  【打印

  成都山地所在多尺度叶面积指数遥感估算研究方面取得新进展 

  叶面积指数(leaf area index, LAI)是陆地生态系统中描述植被生物物理变化和冠层结构的重要参量,直接影响到植被的蒸腾作用效率、光合作用和能量平衡状态。遥感技术以其覆盖范围广、大尺度观测等优势,现已成为估算区域或全球尺度LAI的主要手段。在复杂山区,受地形起伏影响,山地地表覆被和景观结构呈现较强的空间异质性,且不同植被类型、不同区域同种植被类型物候特征差异明显,山地LAI遥感估算需兼顾空间尺度差异和时间序列动态,加之地形易造成遥感光谱信号失真,增加了山地LAI遥感反演工作的复杂性。在国家自然科学基金(4163118041671376)、国家重点研发计划(2016YFA0600103)等的持续资助下,成都山地所山地定量遥感研究团队靳华安副研究员、李爱农研究员等在山地多尺度LAI遥感估算方面取得了新进展。 

  融合多源多尺度遥感数据,借助集合多尺度滤波算法,兼顾不同分辨率遥感影像间的信息传递过程,构建了复杂山地多尺度LAI遥感反演模型,生成了960 m480 m240 m120 m60 m30 m尺度LAI数据集。研究发现,随着空间分辨率的增加,山地LAI空间纹理信息和变化过程逐渐丰富,且地形对LAI遥感反演的影响愈加显著;消除地形对遥感信号的辐射畸变能够显著改善不同坡度条件LAI反演精度,极大提升了多尺度LAI估算结果的空间一致性及表达能力。 

  同时,研究团队还在前期研究的基础上,提出了基于数据同化的LAI时空动态逐级降尺度方法,提高了LAI遥感反演同化模型的适用性,为生成时空一致性较高的山地LAI数据集提供了新的研究思路。该方法不仅可以有效获取多个空间尺度LAI时序变化动态,还有利于反演高时空分辨率LAI,有效改善了LAI估算结果对陆地生态系统时空格局的表征能力。 

  以上研究成果近期发表在ISPRS Journal of Photogrammetry and Remote SensingIEEE Transactions on Geoscience and Remote Sensing等遥感领域国际TOP期刊上。 

  论文链接如下: 

  https://www.sciencedirect.com/science/article/pii/S0924271619301492 

  https://ieeexplore_ieee.gg363.site/abstract/document/8736988 

 

  地形校正前后多尺度LAI空间分布 

 

 

地形校正前后多尺度LAI差值空间分布 

地形校正前后LAI差值统计随尺度的变化 

    

    

版权所有:中国科学院水利部成都山地灾害与环境研究所 蜀ICP备05003828号
地址:四川省成都市人民南路四段九号 邮编:610041 | 联系我们 旧版网站