【2023.7.4 学习进度汇报】

一、论文阅读

Assessment of red-edge vegetation indices for crop leaf area index estimation

1. 介绍

探讨了植被指数 VIS 在作物叶面积指数 LAI 估计方面的潜力，重点比较了基于红边反射（RE-Based）和基于可见光反射（VIS-Based）的植被指数，从多时空的 RapidEye 图像中得出了 7 个植被指数（NDVI、CIgreen、MTVI2、EVI2、NDVIRE、CIRE、MSRRE），选择了加拿大安大略省北部的春小麦（单子叶植物）和油菜（双子叶植物）进行实验，使用了一个半经验模型描述了 LAI 和选定 VIS之间的关系，采用马尔可夫链蒙特卡洛（MCMC）抽样方法来估计模型参数，包括消光系数（KVI）和浓密绿色树冠（VI♾️）。

结果表明：基于 RE 的 VI 值的作物特定回归模型比基于 VIS 的 VI 值更接近通用回归模型。

2. 数据和方法

田间测量数据：LAI、叶绿素含量、株高和作物发育阶段。

使用数字半球形摄影技术（DHP）测量 LAI。当作物高度低于 1.0 米时，相机朝下放置在树冠上方 0.5 米处；当作物高度高于 1.0 米时，相机朝上放置在土壤表面。每个小区沿两个平行的横断面拍摄 14 张照片，间隔 5 米，照片之间的距离为 5 米。

使用 CCM-200 叶绿素仪测量叶绿素含量。

RapidEye 数据采集和预处理

使用 PCI Geomatica 的ATCOR模块进行大气校正，得出冠层顶部的反射率；使用 PCI Geomatica 的 OrthoEngine 进行几何校正

3. 结果和讨论

干扰因素的分析

1. 冠层反射率

当 LAI ＜ 1.0 时，Psoil 对可见光、RE 和 NIR 辐射的贡献更大。叶绿素对光的吸收在高 LAI 时达到饱和，反射率特别是可见光和近红外波段对 LAI 的增加而变得不敏感。

2. 植被指数

除 MTVI2 和 EVI2 外，当 LAI＜1.0 时，其他植被指数受 Psoil 的影响很大，而当 LAI＞2.0 时，主要受叶绿素和结构特性（如 ALA 和 Ns）控制。

4. 结论

1. 冠层结构，如叶片倾斜度，是影响估算作物 LAI 通用算法发展的一个重要因素；

2. 基于 RE 的植被指数比基于 VIS 具有更强的能力来减少电子辐射；

3. 基于 RE 的植被指数对叶片叶绿素含量更敏感，但由于 Cab（叶绿素含量）的动态范围相对较窄，叶片叶绿素的影响相对较低；

4. 具有红边波段的卫星数据，如 RapidEye 和 Sentinel-2 更适合用于估算作物的 LAI

二、外出进行田间数据采集

跟随徐翔、张凯华前往陆家水稻实验田使用大疆无人机进行水稻长势拍摄，共计 1796 个点。