不同时空分辨率遥感数据融合估算冬小麦叶面积指数.pdf

《不同时空分辨率遥感数据融合估算冬小麦叶面积指数.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第17期农业工程学报2012年9月TransactionsoftheChineseSocietyofAgriculturalEngineering、，01．28No．17Sep．2012117不同时空分辨率遥感数据融合估算冬小麦叶面积指数王来刚1,2田永超1，朱艳1，姚霞1，郑国清2，曹卫星1※(1．南京农业大学国家信息农业工程技术中心／江苏省信息农业高技术研究重点实验室，南京210095：2．河南省农业科学院农业经济与信息研究中心，郑州410002)摘要：高时空分辨率叶面积指数(1eafareaindex，LAI)数据能反映作物的长势动态变化，为作物长势

2、评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法，以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ．CCD数据反演的LAI序列，生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列，并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明，采用数据融合方法生成的LAI与检验LAI具有较高的一致性，但像元纯度对融合效果影响较大；基于2景SPOT-5影像能够提高LAI序列估测精度，且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。关键

3、词：遥感，数据融合，时间序列分析，HJ．CCD，SPOT-5，叶面积指数，冬小麦doi：10．3969，j．issn．1002—6819．2012．17．017中图分类号：S127文献标志码：A文章编号：1002—6819(2012)一17一0117—08王来刚，田永超，朱艳，等．不同时空分辨率遥感数据融合估算冬小麦叶面积指数[J]．农业工程学报，2012，28(17)：117—124．WangLaigang，TianYongchao，ZhuYan，eta1．Estimationofwinterwheatleafareaindexbyfusingdifferent

4、spatialandtemporalresolutionremotesensingdata[J】．TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2012，28(17)：117—124．(inChinesewithEnglishabstract)0引言叶面积指数LAI(1eafareaindex)是描述作物长势最常用的指标⋯，也是用于作物产量评估的重要参数【2。J。作物生育过程中的LAI序列能更好地够反映作物的长势动态变化，可用于作物生长诊断和提高作物估

5、产精度。因此，如何利用遥感监测技术快速得到高质量作物LAI时间序列具有非常重要的意义。目前，国内外主要利用2类遥感数据进行叶面积指数反演，一种是低空间、高时间分辨率遥感数据，如NOAA．AVHRR数据【4】和SPOTVGT【5J，以及基于MODIS的LAI数据产品【6】。这类数据空间分辨率较低、混合像元问题严重，难以满足田块尺收稿日期：2012．02．08修订日期：2012．08．13基金项目：教育部新世纪优秀人才支持计划(NCET-08．0797)、国家自然科学基金(30871448)、江苏省科技支撑计划(BE2010395)作者简介：王来刚(1979一)，男，

6、河南辉县人，助理研究员，博士研究生，主要从事农业遥感应用研究。南京农业大学国家信息农业工程技术中心／江苏省信息农业高技术研究重点实验室，210095。Email：wlaigang@sina．corn※通信作者：曹卫星(1958一)，男，江苏南通人，教授，博士生导师，主要从事作物生态与信息农学。南京农业大学国家信息农业工程技术中心／江苏省信息农业高技术研究重点实验室，210095。Email：caow@njau．edu．cn度上信息获取精度的要求。另一种是中高空间分辨率、低时间分辨率遥感数据，如LandsatTM、CBERSCCD、SPOT．5等【7‘9J。其空间分

7、辨率相对较高，但时间分辨率很难满足动态、实时跟踪作物生长过程的需要。鉴于此，许多学者将不同时空分辨率数据进行融合，以生成高时空分辨率遥感数据。如蒙继华等[1o】使用时空融合模型(spatialandtemporaladaptivevegetationindexfusionmode，STAVFM)对ETM-NDVI和MODIS．NDVI进行融合，构建了高时空分辨率的NDVI数据集。Busetto等【llJ基于混合像元分解，融合TM数据和多时相的MODIS—NDVI，得到了较为准确的TM尺度NDVI时间序列。这些研究多以NDVI作为数据融合的对象，而未涉及直接反映作物

8、长势的特征