University of Nebraska - Lincoln
DigitalCommons@University of Nebraska - Lincoln
Papers in Natural Resources Natural Resources, School of
2002
Novel Algorithms for Remote Estimation of Vegetation Fraction
Anatoly A. Gitelson
University of Nebraska - Lincoln, agitelson2@unl.edu
Yoram J. Kaufman
NASA Goddard Space Flight Center, Greenbelt, MD
Robert Stark
Ben-Gurion University of the Negev, Beer-Sheva, Israel
Don Rundquist
University of Nebraska - Lincoln, drundquist1@unl.edu
Follow this and additional works at: http://digitalcommons.unl.edu/natrespapers
Part of the Natural Resources and Conservation Commons
Gitelson, Anatoly A.; Kaufman, Yoram J.; Stark, Robert; and Rundquist, Don, 'Novel Algorithms for Remote Estimation of Vegetation Fraction' (2002). Papers in Natural Resources. 149.
http://digitalcommons.unl.edu/natrespapers/149
This Article is brought to you for free and open access by the Natural Resources, School of at DigitalCommons@University of Nebraska - Lincoln. It has been accepted for inclusion in Papers in Natural Resources by an authorized administrator of DigitalCommons@University of Nebraska - Lincoln.
Remote Sensing of Environment 80 (2002) 76 – 87
www.elsevier.com/locate/rse
Novel algorithms for remote estimation of vegetation fraction
Anatoly A. Gitelsona,c,*, Yoram J. Kaufmanb, Robert Starkc, Don Rundquista
aCenter for Advanced Land Management Information Technologies, School of Natural Resource Sciences, University of Nebraska-Lincoln, Lincoln, NE 68588-0517, USA bNASA Goddard Space Flight Center, Greenbelt, MD 20771, USA cDepartment of Geological and Environmental Sciences, Ben-Gurion University of the Negev, Beer-Sheva, Israel
Received 28 July 2000; received in revised form 7 June 2001; accepted 25 June 2001
Abstract
Spectral properties of a wheat canopy with vegetation fraction (VF) from 0% to 100% in visible and near-infrared (NIR) ranges of the spectrum were studied in order to devise a technique for remote estimation of VF. When VF was lt; 60%, from emergence till middle of the elongation stage, four distinct, and quite independent, spectral bands of reflectance existed in the visible range of the spectrum: 400 to 500 nm, 530 to 600 nm, near 670 nm, and around 700 nm. When VF was between 60% and 100%, reflectance in the NIR leveled off or even decreases with an increase of VF. The decreased reflectance in the NIR, occurring at or near the midseason, can be a limiting factor in the use of that spectral region for VF estimation. It was found that for VF gt; 60%, the information content of reflectance spectra in visible range can be expressed by only two independent pairs of spectral bands: (1) the blue from 400 to 500 nm and the red near 670 nm; (2) the green around 550 nm and the red edge region near 700 nm. We propose using only the visible range of the spectrum to quantitatively estimate VF. The green (as well as a 700-nm band) and the red (near 670 nm) reflectances were used in developing new indices, which were linearly proportional to wheat VF ranging from 0% to 100%. The Atmospherically Resistant Vegetation Index (ARVI) concept was used to correct indices for atmospheric effects. Visible Atmospherically Resistant Index in the form VARI= (Rgreen Rred ) / (Rgreen Rred Rblue) was found to be minimally sensitive to atmospheric effects allowing estimation of VF with an error of lt; 10% in a wide range of atmospheric optical thickness. Validation of the newly suggested technique was carried out using wheat independent data sets and reflectance data obtained for cornfields in Nebraska. Predicted green VF was compared with retrieved from digital images. Despite the fact that the reflectance contrast among the visible channels is much smaller than between the visible and NIR, the sensitivity of suggested indices to moderate to high values of VF is much higher than for the Normalized Difference Vegetation Index (NDVI), and the error in VF prediction did not exceed 10%. Suggested indices will complement the widely used NDVI, ARVI, Soil Adjusted Vegetation Index (SAVI) and others, which are based on the red and the NIR bands in VF estimation, and also Green Atmospherically Resistant Index (GARI), which is based on the green and the NIR bands.
1. Introduction
Spectral vegetation indices are widely used for monitor-ing, analyzing, and mapping temporal and spatial variations in vegetation structure as well as certain biophysical param-eters. Such indices enable assessment and monitoring of changes in canopy biophysical properties such as vegetation fraction (VF), leaf area index (LAI), fraction of absorbed photos
剩余内容已隐藏，支付完成后下载完整资料
Remote Sensing of Environment 80 (2002) 76 – 87
www.elsevier.com/locate/rse
一种遥感估算植被覆盖度的新算法
Anatoly A. Gitelsona,c,*, Yoram J. Kaufmanb, Robert Starkc, Don Rundquista
aCenter for Advanced Land Management Information Technologies, School of Natural Resource Sciences, University of Nebraska-Lincoln, Lincoln, NE 68588-0517, USA bNASA Goddard Space Flight Center, Greenbelt, MD 20771, USA cDepartment of Geological and Environmental Sciences, Ben-Gurion University of the Negev, Beer-Sheva, Israel
Received 28 July 2000; received in revised form 7 June 2001; accepted 25 June 2001
概述
我们研究了光谱的可见光和近红外（NIR）范围内植被覆盖度（VF）为0％至100％的小麦冠层的光谱特性，以便设计一种远程估算VF的技术。当VF lt;60％时，从出现到延伸阶段的中间，在可见光谱范围内存在四个截然不同且相当独立的反射率光谱带：400-500nm，530-600nm，670nm左右，和700纳米左右。当VF在60％和100％之间时，NIR的反射率随着VF的增加而变平或甚至降低。在季节中期附近时间发生的近红外光谱反射率下降可能是使用该光谱区域进行VF估计的一个限制因素。结果发现，当VFgt; 60％时，可见光范围内反射光谱的信息含量仅可由两对独立的光谱带表示：（1）400〜500 nm的蓝光和670 nm附近的红光; （2）550nm附近的绿色和700nm附近的红色边缘区域。我们建议仅使用光谱的可见范围来定量估计VF。绿色（以及700nm波段）和红色（近670nm）反射率被用于开发新的指数，其与0％到100％的小麦VF成线性比例。我们使用大气抵抗植被指数（ARVI）概念来修正大气效应的指数。结果显示VARI =（Rgreen Rred）/（Rgreen Rred Rblue）形式的可见大气阻力指数对大气影响最小敏感，允许在宽范围的大气光学厚度下估算误差lt;10％的VF。新建议的技术验证使用小麦独立数据集和内布拉斯加州玉米田的反射率数据进行。预测的绿色VF与从数字图像检索进行比较。尽管可见光通道之间的反射比对比可见光和近红外光之间的反射率差异要小得多，但建议使用的指数对中等偏高值的敏感度远高于归一化差值植被指数（NDVI），并且误差在VF方面预测未超过10％。建议的指数将补充基于VF估算中红色和近红外波段的广泛使用的NDVI，ARVI，土壤调整植被指数（SAVI）等，以及基于绿色大气抵抗指数（GARI）的绿色大气抵抗指数绿色和近红外波段。
1.介绍
光谱植被指数广泛用于监测，分析和绘制植被结构的时间和空间变化以及某些生物物理参数。 这些指数能够评估和监测冠层生物物理特性的变化，如植被覆盖度（VF），叶面积指数（LAI），吸收的光合有效辐射覆盖度和净初级生产力
( Asrar, Fuchs, Kanemasu, amp; Hatfield, 1984; Holben, 1986; Myneni, Hall, Sellers,amp; Marshak, 1995; Myneni, Keeling, Tucker, Asrar, amp; Nemani, 1997; Myneni, Nemani, amp; Running, 1997; Sellers, 1985, 1987; Tucker, 1979; Tucker, Fung, Keeling, amp; Gammon, 1986等人).
科学家在改进着名的标准化差异植被指数（NDVI）（Rouse，Haas，Schell和Deering，1974）和开发新的指数以补偿大气层（Kaufman，1989; Kaufman＆Tanre，1992等）和土壤背景（Baret，Guyot和Major，1989; Baret，Jacquemoud和Hanocq，1993; Huete，1988等）做出了巨大的努力。 Gobron，Pinty，Verstraete和Govaerts（1999）建议在使用MERIS数据识别和监测活植被现状仪器时使用MERIS全球植被指数。利用蓝色通道的存在，他们从大气层和其他地球物理媒质的光谱和方向扰动中分离出植被层的特性。应用优化方案来定义最佳可能的“光谱角度指数”，其同时使大气和几何效应最小化。
|
|
77 |
大多数植被指数结合红光和近红外两个光谱（NIR）的信息。 这些指数有一些限制，其中一些是由于位置和宽度的选择。 例如，中等到高叶绿素含量的NDVI，对VF和LAI的最小敏感性（Buschmann＆Nagel，1993; Gitelson＆Merzlyak，1994a1994b;Myneni，Nemani等，1997）。 在作物中，近红外反射率水平甚至随着VF的增加而降低（参见例如Kane-masu，1974）。 关于后一种现象，我们查阅文献得到了三种解释：
- 在生长周期的某个阶段叶片方向从主要水平变为垂直的变化导致近红外反射率下降（Colwell，1974; Jackson＆Ezra，1985; Suits，1972）。 Jack-son Pinter（1986）发现，植物冠层的结构决定了入射辐射的可能反射方向。 例如，在一个直立体冠层中，垂直排列的树冠上的叶子的通常比更靠近水平排列的嗜边叶树冠层散射更多的辐设。 因此，对于外植体营养，更多的辐射被困在树冠内，增加植物吸收光的能力，从而降低近红外反射率。
- 在小麦发育的某个物候阶段，称为“孕穗期”，由于叶绿素的损失，植物的下部叶子开始变成褐色。 结果是随着近红外反射率下降，积极反射的叶片层数量减少（Leamer，Noriega，＆Gerbermann，1980）。 Leamer，Noriega和Wiegand（1978）报道，当VF从55％增加到80％时，小麦的近红外反射率下降了近20％。 Tucker，Holben，Elgin和McMurtrey（1981）表明，当VF超过60％时，孕穗期NIR反射率下降。
- 土壤反射率对NIR总冠层反射率的贡献是显着的（Allen＆Richard-son，1968等）。 众所周知，土壤水分的增加导致该土壤的NIR反射率下降; 因此，土壤湿度的增加可能导致冠层的近红外反射率降低（Daughtry，Bauer，Crecelius，＆Hixson，1980; Fernandez，Vidal，Simon，＆Sole-Sugranes，1994; Huete，Jackson＆Post ，1985; Jackson，Slater，＆Pinter，1983; Kanemasu，1974）。
需要强调的另一点是NIR反射率由于其依赖于诸如冠层结构，细胞结构，叶倾角等因素而无疑是具有物种特异性的。相反，可见光范围内的反射率因品种而异，因为它主要受 颜料含量和组成。 在不同和不相关的植物物种叶片中，特定波长的反射率与氯叶醇含量的关系在定量上保持相同（Aoki，Yabuki，Totsuka，＆Nishida，1986; Gitelson＆Merzlyak，1997）。
发生在生长季中期或附近的NIR波段反射率的下降可能是使用该光谱区估算VF的限制因素。因此，我们建议仅使用可见光范围内光谱来定量估计VF，并且我们将这些算法应用到新的卫星技术中，包括在最近推出的海洋观测宽视场传感器（SeaWiFS）中获得的高光谱和辐射分辨率，中分辨率成像光谱仪（MODIS），先进的星载热辐射和反射辐射计（ASTER），多角度成像光谱辐射计（MISR）以及近期未来的空间系统，如Hyperion和中等分辨率成像光谱仪（MERIS）。在目前的研究中，已经有人模拟了MODIS和MERIS数据。
我们研究的第一步是评估400-700nm范围内反射光谱中固有的信息内容。接下来，我们仅基于可见光谱中的波段（作为测量VF的手段）来检查光谱指数，所述波段指标是绿色（接近550nm）或接近700nm的红色边缘，以及红色（接近670nm）。最后，通过在小麦和玉米田以上采集的独立数据集验证发达指数。
2.方法
我们收集了位于内盖夫沙漠北部边缘的以色列贝尔舍瓦市附近的麦田的两个生长季的数据（31L130N，34L480W）。 小麦定期通过附近水库的水流灌溉，采用平行直线安装洒水喷头。 第一年从1997年12月中旬到1998年5月中旬进行了实验，包括四种小麦 - 阿里尔，阿亚隆，拜特 - 哈西塔和亚尼夫。 第二年，1998 - 1999年的生长季节，一种小麦品种Ayalon被调查。 物种之间的差异主要在于它们种植种子或饲料的目的。 它们的物理特征也有差异，例如植物高度和冠层密度。
我们在播种期间收集数据，每隔1 - 2周收集一次。 VF范围从0％到100％，而LAI达到最高值12。
在几个随机选择的位置在每个场内获得反射光谱。使用Licor LI-1800高光谱分辨率光谱辐射计在400-1100nm范围内测量冠层上方的反射光谱，光谱分辨率为2nm。测量物体（Lobject）的上升辐射度，LI-1800被连接到15L的视场（FOV）的望远镜上，该望远镜位于顶盖上方约2m的高度处。上行辐射度的测量在每个采样站至少重复5次，平均值用于分析。每次阅读大约需要25秒。在测量小麦反射率之前和之后，在每个采样站测量两次BaSO4面板的上行辐射（Lref），并用作参考。一台微型计算机启动了光谱辐射计扫描并存储了数据。然后，在实验室中，将数据下载到计算机，并将来自每个植被目标扫描的上升辐射率归一化为在参考面板上获取的适当的上涌辐射光谱。
在太阳正午（上午11点至下午1点）附近收集辐射测量数据;太阳天顶角的变化很小。每次测量活动（1997/1998赛季总共11次，1998/1999赛季总共13次）花费了大约一个小时。在生长季节期间，研究地点的太阳高度变化很大（从31.8升到53升）。由于参考面板的方向响应是非朗伯型的，因此校准目标的各向异性反射系数的校正符合（Jackson，Clarke，＆Moran，1992）。
为了估计绿色VF，我们使用了柯达DC-40数码相机。绿色VF是绿色植物（包括叶，茎和枝）到地表的垂直投影与参考面积的百分比表示（如Pure-vdorj，Tateishi，Ishiyama和Honda，1998）。 White，Asner，Nemani，Privette和Running（2000），通过各种技术进行VF估算的对比比较，推荐数码相机作为遥感信息验证的最简单和最可靠的技术。
数字图像在每幅图上以与放射性扫描相同的高度采集，并将图像导入ERDAS Imagine（版本8.3.1）进行处理。确定每幅图像中LI-1800分光辐射度计FOV的面积（大小）和位置，并设计一个模型来排除FOV外的数据。对于绿色VF估计，我们采用Woebbecke，Meyer，Von Bargen和Mortensen（1995）提出的方法，采用绿色和红色亮度来区分绿色植物和土壤和残留物的自然背景。模型是为了将非植被像素与植被像素分离开来的，可以很容易区分土壤（较大的红/绿比）和植被（较小的红/绿比）。视觉图像分析表明：（1）在使用近红外光谱和红色信息时，没有将死亡植被划分为绿色材料（White et al。，2000）;（2）阴影土壤正确分类为土壤; （3）深影中的植被被划分为土壤，导致VF可能被低估。然而，由于有利的照明角度，植被和土壤的错误分类最小。
我们使用算法验证程序来测试模型在多年和小麦物种的稳健性。
综合数据库（1997年12月至1999年5月中旬收集的反射光谱和VF）被分为模型开发和模型试验数据集。对于模型开发数据集，使用了1998 - 1999年Ayalon小麦生长季收集的数据。使用1997 - 1998年生长季中收集的四种小麦物种Ariel，Ayalon，Beit-Hashita和Yaniv的数据，试图进行模型验证。使用来自验证数据组（蓝色：459-479nm，绿色：546-556nm，和红色620-670nm通道的MODIS，以及MERIS的红色边缘通道：700-710nm）的反射率计算预测的VF，其中使用为模型开发数据集计算回归生成的系数。对VF预测的标准误差进行估算，比较VF预测和数字图像检索。
所建议技术的验证也使用内布拉斯加州玉米地获得的反射数据进行。数据是在1998年（两组数据）和1999年收集的。研究区域是位于内布拉斯加州米德市附近的内布拉斯加大学农业研究与发展中心。具体的研究地点是以16个地块组成的随机设计种植的一英亩玉米田。每个地块测量11.4 12.2米或约135平方米。 1998年的VF为0％到88％，1999年最高为95％。1998年LAI达到2.5，1999年达到3.4。
使用Spectron Engine
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[24822]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
