基于PROSPECT＋SAIL模型的遥感叶面积指数反演

doi:10.6046/gtzyyg.2007.02.10

全文: PDF(743 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率；然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI；最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。

	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
	张天义

关键词 ：京九铁路, 黄泛平原, 地震灾害, 遥感

Abstract：

Based on simulations using the SAIL bidirectional canopy reflectance model coupled with the PROSPECT leaf optical properties model, the authors have obtained the vegetation LAI. The FLAASH model is used to ensure the accuracy of atmospheric correction. The LOPEX93 database and the JHU spectral library are employed to identify the input value of the model. The canopy reflectance is the key node to relate the PROSPECT+SAIL model and the remote sensing data, and hence the LAI can be retrieved from leaf biochemical properties, LAD and remote sensing data. In situ measurements of LAI are used to test the simulation results, and the error sources are analyzed.

Key words： Jingjiu railway Seismic hazard The yellow river overflow Remote sensing

收稿日期: 2006-12-05 出版日期: 2009-07-24

TP79：Q94-3　

基金资助:

北京市政府和北京市环保局共同资助项目。

通讯作者: 蔡博峰（1977-），男，博士研究生，主要从事生态遥感研究。

引用本文:

蔡博峰, 绍霞. 基于PROSPECT＋SAIL模型的遥感叶面积指数反演[J]. 国土资源遥感, 2007, 19(2): 39-43.
CAI Bo-Feng, SHAO Xia. LEAF AREA INDEX PETRIEVAL BASED ON
REMOTELY SENSED DATA AND PROSPECT+SAIL MODEL. REMOTE SENSING FOR LAND & RESOURCES, 2007, 19(2): 39-43.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2007.02.10 或 https://www.gtzyyg.com/CN/Y2007/V19/I2/39

[1]	李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[2]	丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[3]	高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[4]	张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[5]	贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[6]	刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[7]	王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[8]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[9]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[10]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[11]	宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[12]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[13]	李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[14]	刘白露, 管磊. 南海珊瑚礁白化遥感热应力检测改进方法研究[J]. 自然资源遥感, 2021, 33(4): 136-142.
[15]	吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.