共查询到10条相似文献，搜索用时 46 毫秒
1.
水分胁迫下棉花冠层叶片氮素状况的高光谱估测研究 总被引：4，自引：3，他引：4
在不同灌水量条件下，对棉花单叶叶绿素含量和单叶全氮含量做相关分析，并采用地物光谱仪。获取北疆棉花冠层关键生育时期的高光谱数据。应用一阶微分光谱，衍生出基于光谱位置变量的分析方法。以红边积分面积(SDr)为白变量，冠层全氮(TN)含量为因变量，做相关分析。结果表明：叶绿素含量与TN含量呈显著的正相关(R=0．8723^**。n=39)，叶绿素含量能有效的估计棉花单叶TN含量；红边积分面积变量与冠层TN含量呈显著的相关性，相关系数是0．7394^**(n=40)，利用构建的相关模型可以较为精确地估测新陆早6号、8号冠层叶片的全氮含量，RMSE分别为0．3859和0．4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力。 相似文献
2.
矿区植被物化参数高光谱遥感估算研究 总被引：1，自引：0，他引：1
卢霞 《地理与地理信息科学》2010,26(5)
基于高光谱遥感数据Hyperion和植物冠层反射光谱,应用指数法、回归统计法和基于光谱位置变量的方法对矿区植被生物量和叶绿素浓度(SPAD)进行估算.结果表明:植被指数R752/R548与植物鲜重相关性最高,相关系数为0.88;选用植物像元光谱,基于植被指数R752/R548,利用三次函数法构建植物鲜重估算模型精度较高,多重判定系数R2达0.883;植被指数DVI[752,640]与植物干重相关性最高,相关系数为0.42;基于植被指数DVI[752,640],应用线性回归法构建植被干重估算模型精度较低,多重判定系数R2为0.177;基于四点内插法提取的红边位置与叶绿素浓度显著相关,相关系数为0.433;Datt(1)和Datt(2)植被指数与叶绿素浓度存在显著相关,相关系数分别为0.871和0.868;基于红边位置(REP)、Datt(1)和Datt(2)植被指数构建植物叶绿素浓度估算模型精度较高,多重判定系数R2分别为0.814、0.805和0.781.应用高光谱遥感技术可有效地检测矿区受损生态环境下的植被,为矿区植物生态修复工程提供本底资料. 相似文献
3.
基于SAIL模型的多角度多光谱遥感叶面积指数反演 总被引：1，自引：0，他引：1
随着多角度传感器的陆续出现及植被遥感传输机理研究的深入,多角度遥感逐渐成为地表信息反演的热点问题.以SAIL冠层反射率模型为基础,通过联合多角度和多光谱数据,可以从物理机理角度进行植被叶面积指数(LAI)反演的应用研究.首先通过计算得到多角度多光谱遥感影像的角度信息,并经6S模型纠正后得到多光谱多角度植被冠层反射率数据.然后将PROSPECT模型模拟出的植被叶片反射率和透过率,以及多角度观测数据、LAI和其它实测数据输入SAIL模型,模拟得到了多角度多光谱冠层反射率,进而建立多角度多光谱冠层反射率与LAI的查找表.最后,将影像的多角度多光谱冠层反射率与查找表进行匹配,实现植被LAI的反演.最后对反演结果进行了验证和分析,结果表明反演精度较高,误差均在合理范围之内. 相似文献
4.
基于高光谱分析的草地叶绿素含量估算研究进展 总被引：3，自引：0，他引：3
叶绿素是草地进行光合作用最重要的色素,与氮素、蛋白质、水分等其他植被生化参数均有着密切关系,是草地光合能力及生理状况的良好指示剂。利用高光谱数据建模分析是实现大面积草地叶绿素含量估算的一种重要手段。本文将基于高光谱分析估算草地叶绿素含量的方法总结为：基于红边位置及光谱指数的经验模型和辐射传输模型两类。经验模型通过建立叶绿素含量与红边位置、光谱指数之间统计关系来估算叶绿素含量,参数简单,实用性较强;但光谱指数构造形式多样且与草地叶绿素含量关系复杂,在一定程度上影响了叶绿素的估算精度。辐射传输模型以叶绿素含量与辐射能量的作用过程作为其理论基础,模型中参数较多且对估算尺度敏感,有待于进一步完善。目前草地叶绿素估算的研究相对薄弱,专门用于估算的模型较少。未来的工作一方面应致力于发展和改进适宜于草地的光谱指数,同时确定合适的辐射传输模型参数以改进模型对草地的监测效果;另一方面,如何由叶片尺度拓展到冠层尺度进而拓展到像元尺度,从而更好地实现大面积草地叶绿素含量估算,是一项既具有重要意义又有挑战性的工作。 相似文献
5.
基于PROSAIL模型,结合野外实测叶片等水分厚度、干物质重量、叶面积指数数据,构建一种基于归一化红外指数和归一化干物质指数的植被冠层可燃物含水率估算方法。首先,在PROSAIL模型输入实测参数模拟植被冠层光谱曲线,计算归一化红外指数、归一化干物质指数用于叶片等水分厚度、干物质重量的反演。结果表明：归一化红外指数与叶片等水分厚度、归一化干物质指数与干物质重量存在明显的线性关系,基于该关系建立叶片等水分厚度、干物质重量的经验估算模型,经验证估算结果精度较高;将该经验模型推广至利用Landsat 8数据拟合植被冠层可燃物含水率,并与实测数据进行验证,结果显示R2达到0.743,RMSE达到34.2%,具有较高的精度。文章提出的植被冠层可燃物含水率估算模型,可实现广州市过渡带森林大面积、较高精度植被冠层可燃物含水率监测,为预防森林火灾提供参考。 相似文献
6.
《地理与地理信息科学》2017,(2)
为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。 相似文献
7.
干旱区水环境叶绿素遥感估算模式 总被引：1，自引：0，他引：1
利用2006年10月14~18日在甘肃省庆阳市境内环江、柔远河和马莲河实测的水体波谱数据,模拟水色卫星传感器波段,根据目前广泛应用于各种水色卫星传感器的五种叶绿素浓度估算模式计算叶绿素含量;利用平均绝对误差(MAE)、均方差(RMSE)、一致性指数(IA)和线性相关系数(LCC)等模式性能检验指标,结合与光谱数据测定同步获取的叶绿素含量分析数据,对模式性能进行评价,试图从地面遥感的角度来深入分析这些模式的应用精度;模式的性能分析结果表明:(1)Clark(1997)具有最小MAE和RMSE,最大的IA和LCC,因而是比较适用研究区域叶绿素浓度的估算模式;(2)虽然Clark(1997)性能相对来说比较高,但是估算误差仍在37%以上。进一步利用本次实验中获取的26个样本数据,对Clark(1997)模式参数进行优化和改进,得到了修正后的模式,并利用预留的8个叶绿素实测样本进行验证,对优化后的模式进行的对比分析,结果表明精度提高了16%。 相似文献
8.
基于高光谱数据的小麦叶绿素含量反演 总被引：18，自引：0，他引：18
近年来,遥感高光谱技术为获取农作物的某些生理化参数提供了丰富的数据来源。该文使用北京小汤山地区实验获取的小麦高光谱数据,应用偏最小二乘回归方法,建立了冬小麦冠层波谱与叶绿素含量的回归反演计算模型。研究结果显示:模型在350～1060nm波段具有较高的反演精度。本研究为应用高光谱数据反演冬小麦叶绿素含量提供了有效途径。 相似文献
9.
10.
叶面积指数(Leaf Area Index,LAI)是描述植物冠层结构特征的重要参数,也是研究植物冠层表面物质和能量交换必不可少的参数。根据在塔里木河下游河岸林地利用LAI-2250实测的LAI数据,比较Landsat 8 OLI遥感数据提取的几种常规植被指数估算LAI的能力,建立LAI估算模型,并利用实测数据对模拟结果进行精度验证,生成塔里木河下游LAI分布图。结果表明:(1)各植被指数(Vegetation Indexes,VIs)与LAI均具有一定的相关性,对于不同的植被指数,二次多项式回归模型相关性均最高;(2)在不区分植被类型的样本分析中,大气阻抗植被指数(Atmospherically Resistant Vegetation Index,ARVI)与实测LAI具有最高的相关性;(3)分别针对柽柳林和胡杨林样本分析,判定系数R2和反演精度均具有不同程度的提高,对应的最适植被指数分别为归一化植被指数(Normalized Differential Vegetation Index,NDVI)和ARVI;(4)塔里木河下游河岸植被LAI有3个高值区:大西海子水库附近、下游中部和尾闾湖台特玛湖附近。全区LAI值主要分布在0~1.5之间,均值为0.361。该研究结果为遥感提取塔里木河下游河岸林带高空间分辨率的叶面积指数数据提供了数据支持和方法支撑。 相似文献