共查询到17条相似文献，搜索用时 453 毫秒
1.
重金属污染胁迫下盐肤木的生化效应及波谱特征 总被引：11，自引：1，他引：10
利用遥感生物地球化学的原理和方法,分析了德兴铜矿的重金属污染状况和植物盐肤木的生物地球化学效应,对盐肤木生物地球化学效应的波谱特征进行了系统的提取和分析.研究发现酸、铜、镉等是德兴铜矿地区主要的环境污染因子,野外调查及样品的化验分析表明盐肤木对铜元素呈现一定的富集作用和很强的位移效应,是适合铜矿复垦的植被.利用导数光谱、包络线去除、红边效应、植被指数等光谱信息处理方法对盐肤木的野外波谱分析表明,随着叶片中Cu等金属元素含量的增大,其产生的毒化效应的波谱特征越明显,盐肤木叶片光谱反射率明显升高,波形蓝移,红边陡坡斜率增大,叶绿素吸收深度变浅,吸收中心稍有蓝移,水的吸收深度变浅,吸收中心位置红移,绿度指数变化明显.对波谱特征及其与重金属含量的相关关系综合分析后认为,红边特征、植被指数NDVI、叶绿素吸收深度与叶片铜含量关系显著,可以作为植被铜污染遥感图像特征提取的参考. 相似文献
2.
苹果叶片氮素含量高光谱检测研究 总被引：2，自引：0，他引：2
《国土资源遥感》2016,(2)
苹果叶片氮(N)素含量是反映其生长质量高低的重要因素。利用高光谱遥感技术对苹果叶片N素含量进行定量化反演,可为苹果树的信息化管理提供理论依据。首先使用ASD Field Spec 3地物光谱仪对样点的苹果叶片的N素含量进行测定,得到苹果叶片样品的高光谱反射率及其N素含量;然后在分析苹果叶片原始光谱和一阶导数以及各种变换后光谱特征的基础上,与苹果叶片的N素含量进行多元逐步回归分析,筛选出对N素变化敏感的波段;最后运用BP人工神经网络算法构建敏感波段与N素含量的反演模型,并对模型进行优选和检验,为测定苹果叶片N素含量提供了1个简单可靠的方法。 相似文献
3.
重金属铜污染植被光谱响应特征研究 总被引：12，自引：1，他引：11
重金属铜污染植被的反射光谱特性会发生明显改变。在本研究中,采用不同程度的铜污染土壤作为培养基质,选择春小麦、上海青两种农作物进行铜胁迫实验,获取了4个不同生育期、10个不同铜污染强度下的植被叶片的反射光谱,并采用铜污染叶片7个特征波段和光谱角的方法研究了铜污染叶片的光谱特征。结果表明,铜污染叶片光谱差异与作物时期和作物类型有关,可以采用叶片光谱角描述铜污染叶片与健康叶片的光谱差异。该方法只需与阈值做简单的比较,方法简便易行,而且对轻度及重度铜污染十分敏感。叶片光谱辐射传输模型反演结果表明铜污染叶片内部结构参数N明显变大,这也证明了铜污染使叶片内部结构更加散乱无序。在此基础上进一步建立了N与红肩处反射率值的线性关系,相关系数为0.978。本文为铜污染叶片光谱反射模型的建立提供了初步的数据基础与理论支持。 相似文献
4.
为了更好地进行土壤水分反演,发展了一种基于ALOS/PALSAR数据、利用自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)反演土壤水分的方法.首先,根据研究区实际情况,利用AIEM和Oh模型模拟了试验区裸土区的后向散射特性,建立了后向散射系数与地表粗糙度之间的关系;然后,考虑到研究区地表粗糙度几乎没有变化这一情况,设定了地表粗糙度对后向散射系数的影响为常量;在此基础上,分别利用ANFIS,BP神经网络、多元线性回归和多元非线性回归方法构建了裸土区土壤水分的反演模型,并利用野外实测数据对模型进行了验证.研究结果表明,采用ANFIS方法构建的模型反演精度最高,其均方根误差为0.030,相对误差为14.5％.因此,可以利用ANFIS方法反演裸土区的土壤水分含量,其反演结果具有较高的精度. 相似文献
5.
叶片作为植物冠层的基本组成元素,其自身的光学特性直接影响着遥感所能获得的植物冠层反射光谱。从原理上讲,叶片的光学特性不仅取决于其内部生化组分含量的多少,还与其物理结构密切相关。因此对叶片内部物理结构进行估算有助于分离其对叶片光谱的影响,从而提高叶片生化信息反演的精度。在基于叶片内部辐射传输过程的PROSPECT模型中,叶片内部结构用一个假想的叶肉结构参数N来描述。PROSPECT模型模拟光谱发现,N对叶片反射率和透过率均影响显著,且影响范围涵盖400—2500nm的全部波段。本文利用水稻叶片实测光谱和生化数据尝试了3种N的估算方法,包括两种经验方法和一种模型反演方法,并对其进行比较。结果表明,由于两种经验方法都基于N和表观叶面积（SLA）之间的非线性经验公式,因此两者具有内在的数学关系。运用模型反演方法估算的N可在实测水稻光谱和模型模拟光谱间得到最小RMSE,且其在数值上小于两种经验方法的估算值。以N为因变量,叶片光谱反射率为自变量,运用逐步线性回归分析建立了N的光谱估算模型,550nm,816nm,1210nm和1722nm四个波段被选入模型,回归效果较好,为N的估算提供了一种新的经验方法。 相似文献
6.
《国土资源遥感》2017,(1)
目前我国累计堆存的铁尾矿量高达约50亿t,所产生的尾矿粉尘污染极其严重。为此,使用辽宁鞍山矿区铁尾矿粉尘进行实景观测实验,采用人工模拟降尘与光谱测量手段,研究了降尘量对植物叶片光谱的影响规律;并利用降尘量与植物叶片光谱相关性最好的优势波段与铁元素的光谱吸收特征,分别建立了叶面降尘量的基于植物叶片的优势波段反射率和基于铁元素的独特光谱吸收指数的2种定量反演模型。研究表明:随着铁尾矿粉尘降尘量逐渐增大,植物叶片反射光谱曲线与粉尘的光谱曲线差异逐渐减小;2种反演方式中降尘量与植物叶片光谱变量均呈极显著相关,但基于铁元素光谱吸收特征的定量反演模型精度更高。研究结果可为高光谱遥感应用于矿区降尘量定量监测提供基础模型与技术依据。 相似文献
7.
针对遥感影像反射率与重金属元素间的光谱响应弱,土壤重金属经典反演模型精度较低等问题,本文以Sentinel-2号遥感影像为数据源,利用像元二分模型进行影像光谱解混,筛选出相关性较高的特征光谱作为光谱参量,构建基于像元线性解混和不同光谱变换下土壤反射率与重金属Cr含量的PLS模型和GMDH模型。研究结果表明,解混后的光谱与重金属Cr含量间的显著相关波段数增多,相关性增强。基于解混后的土壤光谱与重金属Cr含量构建的GMDH模型,其模型稳定性较好,预测能力更强,精度更好。该方法拓展了传统的利用遥感影像进行反演的思路,可为大范围监测土壤重金属的污染状况提供有益参考。 相似文献
8.
针对现有研究在准确估算叶绿素含量方面的不足,该文运用粒子群优化算法和支持向量机构建叶片尺度作物叶绿素含量高光谱反演模型:利用PROSPECT模型模拟作物光谱,并运用所对应的叶绿素含量建立训练数据集,然后采用粒子群优化算法支持向量机学习训练数据集,最后建立实测叶片叶绿素含量估测模型。研究结果表明,粒子群优化算法和支持向量机构建的反演模型能准确预测作物的叶绿素含量,能够解决小样本作物采样点情况下叶绿素含量反演问题,可以作为作物叶绿素含量估测的参考方法。 相似文献
9.
10.
以位于三峡库区的龙门河森林自然保护区为研究区,综合利用线性光谱混合模型和几何光学模型,基于高光谱遥感数据提取森林结构参数是本文研究的重点。在研究区地面调查数据的基础上,通过高光谱数据和混合光谱分解法,获得反演几何光学模型所需的四分量参数,根据背景光照分量与森林植被冠层各参数间的关系,反演得到森林冠层郁闭度及平均冠幅的定量分布图,并利用37个野外实测样本进行结果验证。 相似文献
11.
12.
基于PROSPECT＋SAIL模型的遥感叶面积指数反演 总被引：4，自引：1，他引：4
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。 相似文献
13.
Hydrocarbon micro-seepage can result in vegetation spectral anomalies. Early detection of spectral anomalies in plants stressed by hydrocarbon micro-seepage could help reveal oil and gas resources. In this study, the origin of plant spectral anomalies affected by hydrocarbon micro-seepage was measured using indoor simulation experiments. We analyzed wheat samples grown in a simulated hydrocarbon micro-seepage environment in a laboratory setting. The leaf mesophyll structure (N) values of plants in oil and gas micro-seepage regions were measured according to the content of measured biochemical parameters and spectra simulated by PROSPECT, a model for extracting hydrocarbon micro-seepage information from hyper-spectral images based on plant stress spectra. Spectral reflectance was simulated with N, chlorophyll content (Cab), water content (Cw) and dry matter content (Cm). Multivariate regression equations were established using varying gasoline volume as the dependent variable and spectral feature parameters exhibiting a high rate of change as the independent variables. We derived a regression equation with the highest correlation coefficient and applied it to airborne hyper-spectral data (CASI/SASI) in Qingyang Oilfield, where extracted information regarding hydrocarbon micro-seepage was matched with known oil-producing wells. 相似文献
14.
叶片光谱是估算植被生化参数的重要依据。然而,遥感影像获取的光谱为像元及冠层光谱,因此,在进行植被生化参数的遥感定量估算时,需将冠层光谱转化到叶片尺度。根据几何光学模型原理,推导出植被冠层光谱和叶片光谱的尺度转换函数,将冠层光谱转换到叶片尺度。首先,采用叶片光谱模拟模型PROSPECT模拟出叶片水平的光谱;其次,在几何光学模型4-scale模型中,通过改变叶片光谱和叶面积指数（leaf area index,LAI）,模拟出不同叶片特征下的冠层光谱。最后,通过LAI建立两个查找表,一个是传感器观测到树冠光照面和背景光照面概率的查找表,另一个是多次散射因子M的查找表,从而实现冠层光谱和叶片光谱的转化。结果表明,利用4-scale模型能实现冠层光谱与叶片光谱的尺度转换,此方法有很好的适用性。 相似文献
15.
叶片辐射等效水厚度计算与叶片水分定量反演研究 总被引：3，自引：0，他引：3
在分析叶片水分对叶片反射率光谱影响的基础上,结合叶片内部水、干物质、叶绿素等光谱吸收系数曲线特征,分析了975nm波长水气吸收特征处叶片与光线相互作用原理,并利用Beer定律和945nm,975nm波长光谱反射率差值,推导了975nm波长辐射等效水厚度REWT的计算公式。由于表面反射、杂散射光、非均匀介质和叶片内部多次散射等因素,光在叶片内部的辐射传输不能直接用Beer定律描述,且利用Beer定律计算的REWT与叶片等效水水厚度EWT之间会有较大的偏差。论文设计和获取了多植物、不同水分梯度的叶片光谱获取试验数据,整理和分析了欧盟Lopex93数据,利用这两组独立数据和论文提出的REWT计算公式,比对验证了975nm波长叶片REWT和叶片EWT的统计模型,结果表明：由于光在叶片内部的多次散射,REWT是EWT的3.3倍左右。论文研究结果一方面为叶片EWT定量遥感探测提供了一种快速、简单且有较强通用性的计算方法和模型,另一方面,探测叶片REWT和EWT的定量关系,有助于了解叶片内部的光辐射传输情况,特别是间接了解近红外波段叶片内部的多次散射情况。 相似文献
16.
Leaf pigment content provides valuable insight into the productivity, physiological and phenological status of vegetation. Measurement of spectral reflectance offers a fast, nondestructive method for pigment estimation. A number of methods were used previously for estimation of leaf pigment content, however, spectral bands employed varied widely among the models and data used. Our objective was to find informative spectral bands in three types of models, vegetation indices (VI), neural network (NN) and partial least squares (PLS) regression, for estimating leaf chlorophyll (Chl) and carotenoids (Car) contents of three unrelated tree species and to assess the accuracy of the models using a minimal number of bands. The bands selected by PLS, NN and VIs were in close agreement and did not depend on the data used. The results of the uninformative variable elimination PLS approach, where the reliability parameter was used as an indicator of the information contained in the spectral bands, confirmed the bands selected by the VIs, NN, and PLS models. All three types of models were able to accurately estimate Chl content with coefficient of variation below 12% for all three species with VI showing the best performance. NN and PLS using reflectance in four spectral bands were able to estimate accurately Car content with coefficient of variation below 14%. The quantitative framework presented here offers a new way of estimating foliar pigment content not requiring model re-parameterization for different species. The approach was tested using the spectral bands of the future Sentinel-2 satellite and the results of these simulations showed that accurate pigment estimation from satellite would be possible. 相似文献
17.
Elizabeth J. Botha Brigitte Leblon Bernie Zebarth James Watmough 《International Journal of Applied Earth Observation and Geoinformation》2007,9(4):360-374
Optimizing nitrogen (N) fertilization in crop production by in-season measurements of crop N status may improve fertilizer N use efficiency. Hyperspectral measurements may be used to assess crop N status by estimating leaf chlorophyll content. This study evaluated the ability of the PROSAIL canopy-level reflectance model to predict leaf chlorophyll content. Trials were conducted with two potato cultivars under different N fertility rates (0–300 kg N ha−1). Canopy reflectance, leaf area index (LAI) and leaf chlorophyll and N contents were measured. The PROSAIL model was able to predict leaf chlorophyll content with reasonable accuracy later in the growing season. The low estimation accuracy earlier in the growing season could be due to model sensitivity to non-homogenous canopy architecture and soil background interference before full canopy closure. Canopy chlorophyll content (leaf chlorophyll content × LAI) was predicted less accurately than leaf chlrophyll content due to the low estimation accuracy of LAI for values higher than 4.5. 相似文献