共查询到19条相似文献，搜索用时 296 毫秒
1.
光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T8、T11）、对数（T6、T12）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T8）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R2=0.985、RMSEC=0.000132、Fn=6,验证模型的表现为R2=0.9853、RMSEV=0.000162,结果表明基于T8的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T9）、对数和对数倒数的一阶微分（T6、T7）以及平方根和对数的二阶微分（T11、T12）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。 相似文献
2.
定量的估算非光合植被覆盖度（Fractional Cover of Non-photosynthetic Vegetation, fNPV）对草原生态系统碳储存、植被生产力、土壤侵蚀和火灾监测均具有重要的意义。本文以锡林郭勒草原实测高光谱和样方盖度为数据源,利用NPV（Non-Photosynthetic Vegetation）、PV（Photosynthetic Vegetation）、BS（Bare Soil）的平均光谱通过线性光谱混合模型模拟得到混合场景光谱,寻找区分NPV/PV/BS的敏感性波段,然后分别评价不同多光谱指数与fNPV的相关性。最后利用野外混合场景实验验证光谱指数估算fNPV的有效性。在此基础上,探讨基于OLI数据的NDVI（Normalized Difference Vegetation Index）-DFI（Dead Fuel Index）特征空间是否满足三元线性混合模型的基本假设。结果表明：短波红外（SWIR）波段是区分NPV/PV/BS的敏感性波段,以此为基础构建的OLI-DFI指数具备有效区分NPV/PV/BS的潜力。在模拟混合场景条件下,OLI-DFI和MODIS-DFI指数均与fNPV呈显著相关,决定性系数R2分别为0.84和0.94,均方根误差RMSE分别为0.09和0.05,而NDI和NDSVI指数与fNPV相关性很低。与模拟混合场景相比,在野外混合场景下OLI-DFI和MODIS-DFI指数估算fNPV的有效性均有一定程度的降低,R2分别为0.65和0.75,RMSE分别为0.14和0.12。基于OLI数据构建的NDVI-DFI特征空间满足三元线性混合模型的基本假设,可有效的估算fNPV。 相似文献
3.
植被等效水厚度对路域生态环境的监测评估具有重要意义。本研究以湖南醴潭高速一段为研究对象,以地面实测光谱和等效水厚度以及PRO4SAIL模拟光谱和模拟等效水厚度为数据源,利用PRO4SAIL冠层模型模拟光谱与地面实测光谱建立12种常用水分指数,引入随机森林算法对水分指数与等效水厚度进行重要性分析,得到12种水分指数的重要性排序;利用调整R 2确定建立等效水厚度估算模型中输入水分指数的最佳个数;在优选水分指数基础上,以PRO4SAIL模拟光谱计算得到水分指数和等效水厚度为训练集,分别构建随机森林耦合偏最小二乘（RF-PLS）、随机森林耦合支持向量机（RF-SVM）和随机森林耦合遗传算法优化支持向量机（RF-GA-SVM）等效水估算模型,并用地面实测等效水厚度对估算模型进行精度验证与分析。结果表明：RF-SVM估算模型中输入重要性前9的水分指数（NDWI、NMDI、SRWI、SR、NDII、WI、DWI、MSI、SAVI）时,调整R 2最高,验证集决定系数为0.8877;RF-PLS和RF-GA-SVM估算模型中输入重要性前4的水分指数（NDWI、NMDI、SRWI、SR）时,调整R 2最高,验证集决定系数分别为0.8053、0.8952,其中RF-GA-SVM模型估算等效水厚度效果最佳,其精度满足路域植被等效水厚度监测要求。本文研究成果为等效水厚度估算提供一种有效且精确的方法,同时为发展基于高光谱遥感的路域环境监测提供重要支撑。 相似文献
4.
遥感红边指数与表征绿色植物生长状况的重要生化参数有密切的关系,是植被长势监测的重要因子。为寻找出最适用于城市草地生长状况监测的红边指数,本文基于Sentinel-2A数据,对比分析了不同红边指数在城市草地健康状况估算方面的差异。本文以福州市和厦门市的城市草地为例,在全面分析各种健康水平草地光谱响应特征差异的基础上,选取了6种与草地生化参数相关的红边指数,即红边位置REP、地面叶绿素指数MTCI、归一化差值红边指数NDRE1、新型倒红边叶绿素指数IRECI、红边叶绿素指数CIred-edge以及叶绿素吸收指数MCARI2,然后采用独立样本T检验及欧式距离对这6种红边指数在草地健康判别中的优劣进行了定量对比。结果表明：IRECI指数对草地健康状况最为敏感,该指数在不同健康等级草地的值域区间和均值都存在显著性差异,其判别总精度均大于85%;NDRE1和MCARI2指数次之,其他3个指数则难以判别草地的健康状况。因此,在基于Sentinel-2A影像的城市草地健康遥感判别中,推荐使用IRECI指数。 相似文献
5.
叶绿素a作为一项重要的水质安全评价指标,其浓度的准确监测对水产行业发展、水生态系统平衡和人类饮水安全等有着重要意义。随着对地观测卫星传感器空间和光谱分辨率的提高,遥感技术在河流水质时空变化监测中发挥着越来越重要的作用。本文以新疆巴音布鲁克湿地河流水体为研究对象,同步采集了水体反射光谱和水样,并在实验室对叶绿素a、浊度等水质参数进行测定。首先,基于光谱波段对叶绿素a浓度的敏感性分析,构建了多种光谱指数模型;然后,提出以4.50 mg/m3作为水体叶绿素a浓度分级阈值,利用三波段半分析模型因子D3B与叶绿素a的线性关系建立水体叶绿素a浓度分级标准,进而对比评估了11种经验、半分析模型分别在全部样本数据集和两级叶绿素a浓度数据集中的精度表现;其次,根据各模型精度结果选用三波段半分析模型D3B和蓝绿波段比模型OC2V4,组成叶绿素a分级反演算法OC2-D3B,其精度（R2=0.96,RMSE=0.32 mg/m3,MAE=0.24 mg/m3,MRE=5.71%）相比以上2种单一算法提高了50%以上;最后,本文利用Sentinel-2影像,对湿地河流水体叶绿素a浓度的空间分布特征和季节时序模式进行了分析,得到该水域夏季叶绿素a含量最高,春秋季次之,冬季最低的结论。此外,本研究还发现气温相比其他环境因子对水体Chl-a浓度的控制作用更加明显。 相似文献
6.
中国空气污染问题日益严重,为获得连续的PM2.5浓度空间分布,现有研究建立了多种基于统计回归的PM2.5估算模型。然而,由于PM2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归（OLR）和神经网络结合的地理神经网络加权回归（GNNWR）模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM2.5浓度空间估算方法。文章以中国2017年PM2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归（GWR）的比较实验。实验结果表明,基于GNNWR的PM2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM2.5浓度的局部空间变化和细节层次。 相似文献
7.
同化叶面积指数和蒸散发双变量的冬小麦产量估测方法 总被引：1，自引：0，他引：1
同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R2=0.432,RMSE=721 kg/hm2;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R2=0.408,RMSE=925 kg/hm2;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R2=0.013,RMSE=1134 kg/hm2）与模型模拟估测产量精度（R2=0.006,RMSE=1210 kg/hm2）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。 相似文献
8.
基于反射峰面积的水体叶绿素遥感反演模拟研究 总被引：1，自引：0，他引：1
叶绿素浓度是水体富营养化状态的重要指标,也是水色遥感反演的水质参数之一。水体中叶绿素浓度的遥感反演主要是建立实测光谱和实测水质参数二者之间的关系模型,利用遥感影像进行叶绿素浓度的信息提取。传统的叶绿素浓度遥感反演受区域性和季节性的影响,反演精度不高,而且反演模型不具普适性,需对叶绿素光谱特征进行分析,建立高精度的反演模型。本文采用Hydrolight数据模拟了不同叶绿素浓度(1~200 µg·L-1)的水体在可见光近红外的反射波谱曲线,通过分析叶绿素的光谱特征选取了特征波段或波段组合,并建立了叶绿素浓度反演模型。研究表明,除反射峰波长模型外,反射峰面积模型、三波段模型、红光线高度模型等均能较好地反演叶绿素浓度。在不同叶绿素反演模型中,除红光线模型外,最优的是反射峰面积模型,其决定系数为0.9689,反演误差为25.25 µg·L-1;其次是三波段模型,其决定系数为0.9637,反演误差为10.66 µg·L-1。究其原因,三波段模型考虑了水体中非色素悬浮物、黄色物质及水体后向散射对叶绿素浓度反演造成的影响;反射峰面积模型除此之外还综合考虑了叶绿素散射效率的影响。 相似文献
9.
利用高光谱数据进行植被生化成分反演方法研究 总被引：3，自引：0，他引：3
高光谱数据包含着丰富光谱信息,能够定量地分析物质成分[1]。由高光谱数据,可以运用多元逐步线性回归方法反演植被生化组分含量,从而达到监测植被生长状况的目的[2]。本文具体介绍了多元逐步线性回归方法,及其在氮、木质素和纤维素含量估算中的应用。 相似文献
10.
合理构建PM2.5浓度预测模型是科学、准确地预测PM2.5浓度变化的关键。传统PM2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM2.5浓度时间序列数据,分析PM2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM2.5对PM10、NO2、O3、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM2.5浓度预测精度,MAE、MAPE、RMSE和R2分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM2.5浓度大于100 μg/m3）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。 相似文献
11.
叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R2达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。 相似文献
12.
各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm2）,平均绝对误差(MAE=425.168 kg/hm2)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm2,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。 相似文献
13.
Detection of acid rain stress effect on plant using hyperspectral data in Three Gorges region, China 总被引：2，自引：0，他引：2
This paper aims to use hyperspectral data to detect the spectral change caused by acid stress to a native forest type in the Three Gorges region of China. For this purpose, a ground-based hyperspectral experiment was conducted at the Three Gorges region to detect acid deposition that caused Masson pine （Pinus massoniana） forest degradation. Continuum removal method was used to isolate wavebands more responsive to stress in wavelengths 450-750nm. The differences in chlorophyll concentrations and needle thickness caused by acidic stress are found to be explicable to the different spectral reflectance patterns in the visible and near-infrared wavelengths. Two new chlorotic indices were utilized to explain the stress-caused leaf chlorosis. The comparison of simulated vegetation indices and principal component analysis （PCA） results suggests that it would be possible to monitor acid rain stress effect on forest ecosystem from some wider spectral regions. 相似文献
14.
WorldView-2近红外光谱波段反演马尾松植被信息的比较研究 总被引：1，自引：0，他引：1
WorldView-2卫星自2009年发射至今,已为用户提供了大量高性能的影像产品。与众多高分辨率卫星影像不同,WorldView-2有2个近红外波段,即近红外1(Near-infrared1,NIR1)和近红外2(Near-infrared2,NIR2),但目前这2个波段在应用上的区别并不清楚。因此,本文以福建省长汀县河田地区的马尾松林为例,采用NIR1和NIR2这2个近红外波段分别构建了3种植被指数(NDVI、ARVI和NDMVI),以探索二者在植被信息反演方面的差异。结果表明,NIR1构建的植被指数在马尾松林提取精度上高于NIR2,并具有更丰富的植被信息量。经统计可知,NIR1所构建的植被指数信息量比NIR2分别大8.0%(NDVI)、12.3%(ARVI)和7.3%(NDMVI);在反演植被覆盖度方面,NIR1也比NIR2具有更高的精度,其模拟的植被覆盖度与实际植被覆盖度的拟合度更高,误差更小。NIR1和NIR2所表现出的差异是因为马尾松在这2个近红外波段的光谱反射不同,其反射在NIR1的波长范围内达到最强,而在NIR2的波长范围内则出现了小幅下降。 相似文献
15.
为实现水土流失区植被遥感信息的准确提取,本文采用2007年ALOS 10 m多光谱影像,利用土壤调节植被指数SAVI和MSAVI,对福建长汀水土流失区马尾松林不同植被覆盖密度的3个实验区进行植被提取,并选用不同的土壤调节因子（L=0.25,0.5,0.75,1）做实验,将结果和以NDVI植被指数提取的结果进行对比,分析了提取效果及受土壤噪音的影响程度。实验表明,SAVI指数能提高水土流失区的植被提取精度。在中、低植被覆盖区,其提取的总精度比NDVI高出2%~7%,Kappa系数高出7%~18%;而土壤调节因子L的取值对植被信息的提取也呈现出一定的规律性,即：随着L从0向1递增,SAVI提取稀疏植被的能力上升而探测阴坡植被的能力下降。总体来看,对于低植被覆盖和中等植被覆盖地区,可分别用SAVI（L取0.75）和SAVI（L取0.5）来提取植被信息,对于高植被覆盖区,仍可直接用NDVI进行植被信息提取;研究发现MSAVI在植被信息提取中并不具有特别的优势。 相似文献
16.
铅污染水稻的冠层高光谱特征研究 总被引：10，自引：1，他引：9
本研究通过铅污染土壤中的水稻盆钵栽培试验,考察了水稻对土壤重金属铅的吸收以及铅对水稻生长的胁迫,并借助地面高光谱辐射仪器获取多个生育期（苗期、分蘖前期、分蘖盛期、拔节期和孕穗期）的水稻冠层高光谱反射数据。在进行光谱测量的同时测定了水稻植株体内的铅含量与冠层叶片叶绿素含量。分析结果表明:铅污染胁迫下水稻冠层叶片叶绿素含量与叶绿素a、b组成变化明显,可见光区间520nm～560nm和630nm～690nm处是铅污染水稻对冠层反射高光谱敏感的特征波段。通过模拟高光谱分辨率遥感传感器MODIS的相应波段（第4通道:545nm～564nm、第1通道附近:620nm～670nm）以及考虑叶绿素的荧光特征（760nm）,本研究分别选择敏感波段中的552nm,672nm与760nm构造了复合归一化污染指数CNDPI（Compos-ite Normalized Difference Pollution Index）,分析发现CNDPI能够明显地区分不同铅污染水平的水稻。在分蘖前期采用适当的冠层光谱反射率形式（敏感波段、CNDPI）可以实现水稻铅污染的遥感监测。 相似文献
17.
疟疾是世界上最严重的一种寄生虫疾病,安徽省是典型的中纬度疟疾高发区域之一。本文以安徽省县级行政单元统计的疟疾发病率为例,从遥感监测数据中获取疟疾潜在驱动因素的数据,使用遗传规划方法建立遥感监测的环境因素与疟疾发病率之间的关系,从而预测疟疾发病率的空间分布,并分析预测结果、评价模型精度。结果表明,遗传规划方法预测的疟疾发病的精度（训练数据的预测R2 = 0.558,检验数据R2 = 0.429）较线性逐步回归方法的预测精度（训练数据的预测R2 = 0.470,检验数据R2 = 0.408）有所提高。遗传规划方法有利于提高预测疟疾发病率空间分布的精度。其为使用遥感监测数据预测疟疾的空间分布和变化的科学研究提供依据。 相似文献
18.
基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI5）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI5为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m 3m -3。 相似文献
19.
Estimating fraction of photosynthetically active radiation of corn with vegetation indices and neural network from hyperspectral data 总被引：1，自引：0，他引：1
The fraction of photosynthetically active radiation(FPAR) is a key variable in the assessment of vegetation productivity and land ecosystem carbon cycles.Based on ground-measured corn hyperspectral reflectance and FPAR data over Northeast China,the correlations between corn-canopy FPAR and hyperspectral reflectance were analyzed,and the FPAR estimation performances using vegetation index(VI) and neural network(NN) methods with different two-band-combination hyperspectral reflectance were investigated.The results indicated that the corncanopy FPAR retained almost a constant value in an entire day.The negative correlations between FPAR and visible and shortwave infrared reflectance(SWIR) bands are stronger than the positive correlations between FPAR and near-infrared band reflectance(NIR).For the six VIs,the normalized difference vegetation index(NDVI) and simple ratio(SR) performed best for estimating corn FPAR(the maximum R2 of 0.8849 and 0.8852,respectively).However,the NN method esti-mated results(the maximum R2 is 0.9417) were obviously better than all of the VIs.For NN method,the two-band combinations showing the best corn FPAR estimation performances were from the NIR and visible bands;for VIs,however,they were from the SWIR and NIR bands.As for both the methods,the SWIR band performed exceptionally well for corn FPAR estimation.This may be attributable to the fact that the reflectance of the SWIR band were strongly controlled by leaf water content,which is a key component of corn photosynthesis and greatly affects the absorption of photosynthetically active radiation(APAR),and makes further impact on corn-canopy FPAR. 相似文献