共查询到20条相似文献，搜索用时 31 毫秒
1.
《地理与地理信息科学》2016,(4)
植物净光合速率是衡量植被生产力、体现植物整体长势的重要指标。该文在分析植被光谱指数VI、光合有效辐射PAR与净光合速率Pn关系的基础上,建立了基于高光谱遥感数据的净光合速率反演模型。采集武汉市4种常见植被叶片共124个样本作为研究对象,在分析比较9种不同光谱指数与SPAD相关性的基础上选择3种相关性较高的植被指数对不同的植被类型进行净光合速率反演模型建立。结果表明:实验中CIrededge、NDVI705和RVI7003种植被指数与SPAD相关性较高,R2值均在0.7以上,最高达到0.88;在建立净光合速率反演模型时,若仅考虑叶片净光合速率(Pn)与植被指数的关系,其相关性较差;而将植被光谱指数、光合有效辐射(PAR)乘积后再与净光合速率(Pn)分析时,发现其相关性显著提高;以上3种植被指数中CIrededge*PAR vs.Pn反演效果最优,但农作物与园林植物净光合速率反演最优模型存在差异。因此,利用高光谱遥感技术可以了解和掌握植物叶片的光合效应,以此评价植物固碳释氧能力以及估测农作物产量是完全可行的。 相似文献
2.
翅碱蓬高光谱植被指数对土壤化学性质的响应 总被引：1，自引：0，他引：1
植被覆盖区土壤化学性质遥感监测一直是一个难点,往往只能通过生物地球化学的方法,利用上覆植被信息间接地反映。该研究通过野外采样分析的17个翅碱蓬(Suaeda salsa)光谱数据和其下土壤样品的理化分析配对数据,探讨土壤化学性质与翅碱蓬高光谱植被指数间的关系。结果表明:上覆翅碱蓬高光谱植被指数与土壤有机质、全氮、速效钾之间均无显著相关,高光谱植被指数(NDNI)可用于初步反映土壤全磷的含量变化,NDVI705可用于初步反映土壤pH值的变化,而高光谱植被指数(MSI)可以很好地反映土壤盐分含量的变化。在此基础上,建立了土壤全盐量与19个高光谱植被指数的偏最小二乘回归模型,这为翅碱蓬覆盖区域土壤盐渍化遥感监测提供了一种方法。 相似文献
3.
基于地表温度-植被指数特征空间的区域土壤水分反演 总被引：6，自引：1，他引：5
针对目前西北地区广泛存在的农业干旱问题,选取了新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择云量较少的两幅TM影像,建立地表温度-植被指数特征空间。首先利用线性方程拟合了特征空间的上下边界,比较利用归一化植被指数(NDVI)建立的地表温度-植被指数特征空间Ts/NDVI和利用改进型土壤调整植被指数(MSAVI)构建的地表温度-植被指数特征空间Ts/MSAVI形状的差异,并计算得到两种温度植被干旱指数(Temperature vegetation dryness index-TVDI,分别为TVDIN和MTVDI)。对TVDI与同期野外不同深度的实测土壤重量含水量数据进行回归分析,建立TVDI估测土壤水分的经验模型并对模型进行验证。研究结果表明,TVDIN和MTVDI均能够反演表层土壤水分,其中MTVDI与土壤水分相关性比TVDIN与土壤水分相关性要高,MTVDI能够更好地反映区域土壤水分状况,是一种更有效的土壤水分监测方法,对农业干旱监测具有一定的科学依据。 相似文献
4.
塔里木河荒漠植被光谱可分性模拟 总被引：3，自引：2，他引：1
以塔里木河典型植被为研究对象,分析胡杨、芦苇叶片及柽柳冠层的可分性,并计算背景的影响。首先用ASD光谱仪测新鲜叶片光谱,找出光谱特征点;然后模拟EO-1高光谱数据和TM多光谱数据;最后植被与土壤光谱按比例混合,分析背景的影响。以上三步分别计算植被指数（VI）。结果显示:叶片光谱特征位置430 nm、670 nm、750 nm附近,黄边斜率和红外平台平均高度,1 080~1 280 nm、1 430~1 650 nm能够区分塔里木河流域3个主要植被类型。模拟的EO-1波谱保持了控制波形的10个特征,TM 只有绿反射峰和红吸收谷、近红外1个反射峰3个特征,大部分特征都消失了。植被指数显示(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650、D712/D688能够区分3类,且指数值差异较大,为绿峰、红谷和近红外波峰的组合;模拟的EO-1数据(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650能分别区分植被,TM多波谱数据不能有效区分植被。 相似文献
5.
K-T变换在监测小麦地表参数中的应用 总被引：1，自引：0，他引：1
利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35. 相似文献
6.
TVDI用于干旱区农业旱情监测的适宜性 总被引：8，自引：0，他引：8
基于地表温度/植被指数(Ts/VI)特征空间建立的温度植被干旱指数(TVDI)受诸多因素的影响,其中一个重要的影响因素是植被指数,该指数在高、低植被覆盖时的敏感性不同,从而导致TVDI对旱情监测的准确度不同.针对这一问题,以新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择2011年4月、8月两景TM影像,利用归一化植被指数(NDVI)和比值植被指数(RVI)分别建立Ts/VI特征空间,线性拟合特征空间的上、下边界,计算得到两种温度植被干旱指数(TVDI-NDVI、TVDI-RVI).用TVDI与同期野外实测的土壤含水量数据进行回归分析.结果表明:(1)植被指数、地表温度、土壤水分之间有显著互动关系,以不同植被指数计算得到的两种TVDI与表层土壤水分相关性较好,均能够反映区域土壤干旱状况;(2)由于植被指数对植被探测的敏感性,在4月低植被覆盖时,TVDI-NDVI与表层土壤水分的相关性较高,为0.4299,8月高植被覆盖时,TVDI-RVI与表层土壤水分的相关性较高,达到0.5791;(3)在低植被覆盖区域,NDVI较RVI敏感,而在高植被覆盖区域,RVI敏感性较高.RVI适用于高植被覆盖时反演土壤湿度,NDVI则更适用于中、低植被覆盖时. 相似文献
7.
《湿地科学》2017,(3)
以黄河三角洲新生湿地为研究区,选择Landsat-8遥感影像与实测植物生物量和土壤含盐量数据,构建多元线性回归模型,反演新生湿地植物生物量和土壤含盐量,探讨植物生物量与土壤含盐量分布规律。建立的黄河三角洲新生湿地植物生物量最优反演模型中,以1波段~5波段的反射率、比值植被指数(ration vegetation index,RVI)、土壤湿度指数(soil moisture index,SMI)、归一化植被指数(normalized different vegetation index,NDVI)、绿度土壤植被指数(green vegetation index,GVSB)、裸土植被指数(greenness above bare soil,GRABS)、大气阻抗植被指数(atmospherically resistant vegetation index,ARVI)和增强植被指数(enhanced vegetation index,EVI)为自变量,模型最优;在土壤含盐量反演模型中,以1波段~6波段的反射率、比值植被指数、土壤湿度指数、绿度土壤植被指数、裸土植被指数、大气阻抗植被指数和增强植被指数为自变量,建立的模型最优。整体上,黄河三角洲新生湿地土壤含盐量由海向陆递减,由黄河河道向两侧递增;植物生物量由海向陆递增,由黄河河道向两侧递减。在黄河三角洲新生湿地土壤盐分"低"等级区,植物生物量"高"等级区面积所占比例最大;在土壤盐分"中"等级区,植物生物量"中"等级区面积所占比例最大;在土壤盐分"高"等级区,植物生物量"低"等级区面积所占比例最大。随着土壤含盐量增大,黄河三角洲新生湿地植物生物量在减小。河水、地下水和海水的相互作用造成黄河三角洲湿地含盐量的空间分异,水、盐条件决定了黄河三角洲新生湿地植物生物量的空间分异规律。 相似文献
8.
塔里木河中游典型绿洲盐渍化土壤的反射光谱特征 总被引：2，自引：0，他引：2
研究盐渍化土壤的光谱特性是利用遥感技术实现在区域尺度上进行土壤盐渍化监测和评价的工作基础, 是建立地面数据和遥感数据关系的桥梁。本文以塔里木河中游典型绿洲--渭干河-库车河三角洲绿洲为研究对象, 采用光谱学技术以及多元统计相结合的方法, 研究干旱区典型绿洲盐渍化土壤的反射光谱特征。首先, 对光谱数据进行预处理(去噪、剔除水分吸收波段), 以便消除仪器本身噪声及外界条件的影响, 并且计算了部分盐渍地样本的光谱吸收特征参数, 说明相同程度的盐渍化土壤具有相似的吸收特征;其次, 研究盐渍化土壤的反射光谱与盐分因子(八大离子、电导率(EC)、含盐量(salt content)、pH、总溶解固体(TDS)等) 之间的关系, 并选择具有代表性的盐分因子与野外实测光谱数据建立定量回归模型, 通过多元线性回归分析得出含盐量、SO42-、TDS、EC与原始光谱数据的相关性分别是0.746、0.908、0.798 和0.933, 达到了理想的效果。本研究对于干旱区典型绿洲盐渍土的光谱特征研究有着重要指示意义, 为发展和完善中国盐渍土理化特征的可见光-近红外反射光谱分析理论奠定科学积累, 并进一步为干旱区土壤盐渍化、沙漠化灾害等环境恶化问题的解决提供新的科学技术手段。 相似文献
9.
土壤墒情遥感反演与旱情诊断 总被引：1，自引：1，他引：0
土壤墒情与植被生长状况和地表温度之间存在密切联系?贑OST模型算法和单窗算法,开展了TM/ETM+多光谱数据的地表反射率、地表温度(LST)和土壤调整植被指数反演(MSAVI),分析了地表温度和植被指数的线性关系,提出了土壤墒情几何特征指数和旱情诊断函数,结合土壤含水量实测数据,建立了横山县土壤墒情遥感反演模型。实证结果表明,基于TM/ETM+数据反演的长度指数可进行旱情诊断;对土壤含水量的反演模型进行T检验,差异不显著,而基于地面温度的土壤墒情反演模型优于土壤调整植被指数反演模型。 相似文献
10.
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
11.
绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例 总被引：1，自引：0，他引：1
以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。 相似文献
12.
基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究 总被引：1，自引：0，他引：1
以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数. 相似文献
13.
阜康绿洲生态系统生物量空间格局分析 总被引：4，自引：0，他引：4
利用阜康绿洲平原地区于2003年8月,在野外实测的53个样方植物的生物量干重数据与同期陆地卫星MODIS影像的第1,2通道250 m遥感数据,通过分析植被指数NDVI与绿洲植被生物量的相关关系,进而建立该遥感植被指数与植被生物量的一元线性和非线性回归模型。研究表明:植被指数NDVI与绿洲生态系统植被生物量之间存在较好的相关性;所建遥感植被指数与绿洲植被生物量的回归模型中,三次方程为所得到的非线性回归模型中最适合用于阜康绿洲生态系统植物生物量和生长的监测;并利用该模型进行分析同年4~9月研究区内植物生物量的时空间分布,并得出阜康绿洲生态系统植物生物量的时空分布特征。总体格局是:绿洲内部农业生态系统的生物量时空特征变化是十分的明显,生物量的增长从5月底至8月;且于7月、8月生物量达到旺盛时期;随后开始呈下降趋势;荒漠植物群落生物量时空特征有一定程度的变化但表现不明显,且荒漠植物生物量的变化在时空上是非同步性。这都是由于在整个生长季节内不同植物群落的生长发育表现不同的时间,和荒漠植物在时间上表现出不同物候导致的。同时分析了绿洲生态系统植物生物量的时空分布特征及相关影响生物量的多种因素。 相似文献
14.
以环境小卫星高光谱影像为主要数据源,在野外实测样本的支持下进行光谱反射率及其变换形式与土壤含盐量的相关性分析,筛选盐渍化土壤响应敏感波段,利用曲线回归分析方法,建立基于高光谱影像的新疆渭干河-库车河绿洲土壤含盐量定量反演模型.结果表明:研究区土壤含盐量的影像响应波段基本位于近红外波段,其中以780～924 nm波长范围最佳,相关系数R≈0.8;反射率对数的倒数一阶微分土壤含盐量预测模型精度最高,回归方程为Y=-4.152-27.735X+769.813X2,模型及其检验的决定系数都在0.88以上,均方根误差约为3.该模型的建立可为区域盐渍化土壤信息的提取及监测提供参考. 相似文献
15.
利用新疆奇台县荒漠-绿洲交错带的75个土壤样本,选取土壤可见光-近红外光谱的反射率（R）、光谱反射率倒数之对数（lg（1/R））、光谱反射率一阶导数（FDR）和光谱波段深度（Depth）4个指标,分析了其与土壤N、P、K元素含量的关系,分别建立了反演模型并对其精度进行了检验。结果表明：可见光-近红外反射光谱快速估算荒漠-绿洲交错带土壤N、P、K元素含量的潜力大,其预测精度由高到低的排列顺序为：N>P>K。不同光谱指标反演模型的精度各异,指标Depth和FDR的预测效果明显优于lg（1/R）和R,对N和P元素的拟合效果为：lg（1/R）相似文献
16.
基于地表光谱建模的区域土壤盐渍化遥感监测研究 总被引：2，自引：0，他引：2
《干旱区地理》2016,(1)
土壤盐渍化是土地荒漠化和土地退化的主要类型之一,也是世界性资源问题和生态问题,盐渍化土壤主要分布在干旱半干旱地区,而土壤盐渍化的动态监测和预报是目前研究的重要手段。新疆渭干河-库车河三角洲绿洲是我国土壤盐渍化比较严重也比较典型区域之一,以实测获取的绿洲区域范围内不同恶化程度的盐渍化土壤的高光谱反射率及其土壤含盐量为基础数据源,从中优选出对不同盐渍化程度土壤最为敏感的光谱波段,结合Landsat-TM多光谱遥感影像构建于地表光谱建模的最佳土壤盐渍化监测模型,并将此模型实现大尺度范围内的高精度土壤盐分遥感定量反演。结果表明:(1)反射率一阶微分光谱变换方式最好,与土壤含盐量相关性最佳,最大相关系数可达0.987。(2)利用抛物线模型与最佳土壤盐分指数SI3,构建的地表光谱模型效果最为理想(R2=0.885 2)。(3)与单纯以传统多光谱遥感技术构建的土壤盐分监测模型(R2=0.592 5)相比,经尺度转换后的模型,其精度与效果(R2=0.708 4)则更优。为今后可实现高精度干旱区区域大尺度卫星遥感土壤盐渍化监测提供一种科学、有效的途径。 相似文献
17.
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
18.
洪河自然保护区乌拉苔草生物量高光谱遥感估算模型 总被引：6，自引：0，他引：6
尝试用不同方法构建洪河自然保护区湿地植被乌拉苔草(Carex meyeriana)的高光谱植被指数,建立水上鲜/干生物量高光谱估算模型,并比较了不同模型的反演精度。通过实测不同覆盖度和水深状况下乌拉苔草的冠层高光谱反射率与水上生物量的数据,采用高光谱可见光—近红外波段及其微分光谱波段(350~1 050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI、FDDVI植被指数,分别找出与水上鲜生物量和干生物量具有最佳相关性波段组合的植被指数,建立乌拉苔草水上生物量的最佳估算模型,并对比分析了反射率光谱植被指数(FNDVI、FRVI、FDVI)模型和微分光谱植被指数(FDNDVI、FDRVI、FDDVI)模型的反演精度。结果显示,微分光谱与乌拉苔草水上生物量的相关性比反射率光谱好;微分光谱植被指数与乌拉苔草水上生物量的相关性比反射率光谱植被指数好,尤其以微分光谱植被指数FDRVI与FDNDVI建立的二次函数模型反演乌拉苔草的水上鲜生物量和干生物量的效果最好,精度分别达74.9%、71.4%,其均方根误差分别为0.074 4和0.026 2,通过了p<0.01极显著验证。这表明,采用微分光谱植被指数FDRVI、FDNDVI对乌拉苔草水上鲜生物量和干生物量的估算可以取得较高的预测精度。 相似文献
19.
基于偏最小二乘法的玉米FPAR高光谱反演模型研究 总被引：1，自引：0，他引：1
以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。 相似文献
20.
为了更好地了解小麦高光谱特征与其地上生物量的关系,采用美国ASD公司手持便携式野外光谱仪（ASD Fieldspec HandHeld）在甘肃河西绿洲进行了小麦高光谱遥感地面观测。运用单变量线性和非线性回归分析方法,以不同绿洲为取样单元,建立4种NDVI-小麦地上生物量（ANPP）的地面光谱模型。研究结果表明,各模型均达到极显著检验水平（小样区:α=0.01,n=20;大样区:α=0.01,n=34）,通过对各个模型进行误差分析,确定基于同一绿洲和不同绿洲单元构建的最优光谱模型均为指数函数模型。其中,张掖绿洲、酒泉绿洲和河西绿洲模型分别为ANPP=0.1567e12.568NDVI(R2=0.8123)、ANPP=0.4082e11.108NDVI(R2=0.8321) 和ANPP=17.255e5.4326NDVI(R2=0.7369)。基于同一绿洲（小样区）构建的小麦光谱生物量预测模型在不同绿洲之间可以通用,但不能用于河西绿洲小麦估产;河西绿洲小麦估产要借助不同绿洲小样区构建的小麦光谱生物量模型进行预测。 相似文献