共查询到20条相似文献，搜索用时 922 毫秒
1.
中国主要土壤高光谱反射特性分类与有机质光谱预测模型 总被引：18，自引：0，他引：18
土壤可见-近红外漫反射光谱是当前对地遥感观察和土壤近地传感器研究的重要方向,同时也被认为是土壤数字制图、精确农业和土壤资源调查等方面最重要的数据获取技术.从中国西藏、新疆、黑龙江、海南等地采集16种土类的1581个土壤样本,经干燥过筛后统一采用ASD光谱仪测量了其室内可见-近红外反射光谱(350~2500 nm).对所有的土壤光谱数据采用Savitzky-Golay平滑加一阶微分进行转换,来减少大样本数据受到实验室光学测试环境条件差异的影响,然后对数据进行主成分变换降维处理.引入模糊k-means方法进行大样本光谱数据的最佳分类数目计算,并将中国土壤光谱数据分成五类,各自代表了不同的土壤矿物和有机组分,主要类型与国际同行类似成果有可比性.最后提出了采用土壤光谱分类方法结合偏最小二乘回归法(PLSR)方法建立土壤有机质的光谱分类-局部预测模型,结果比未分类直接采用PLSR方法的一阶微分-全局预测模型的精度有了显著提高,其预测模型的R2和RPD两个指数分别从0.697和1.817提高到0.899和3.158. 相似文献
2.
3.
本研究将地物高光谱遥感技术应用于室内实验,从而得到小球藻和铜绿微囊藻的高光谱特征.通过多种半经验方法,如单波段、波段比值和微分法,建立了两藻种最优的Chl-a高光谱定量模型,并与室外情况进行了对比.结果表明:小球藻的最优定量模型为Chl-a=174.6 1138292(R703) 2.3(109[(R703)]2(p＜0.01),相应的方法适宜性为:一阶微分法＞单波段法＞波段比值法;铜绿微囊藻的最优定量模型为Chl-a=5299164(R757)1.9773(p＜0.01),相应的方法适宜性为:单波段法＞波段比值法＞一阶微分法;从高光谱特征来看,小球藻在540 nm和700 nm附近存在明显的特征波峰,其位置随Chl-a浓度增大而向长波方向偏离,铜绿微囊藻在530 nm、660 nm和700 nm附近存在3个较强的特征波峰,在610 nm和680 nm附近存在明显的波谷;与以往室外研究不同的是铜绿微囊藻的反射率在400-500 nm之间的R值并不低,是因为没有非藻类颗粒物的影响,总吸收明显降低. 相似文献
4.
应用实测光谱估算千岛湖夏季叶绿素a浓度 总被引：4，自引：2，他引：2
依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础. 相似文献
5.
乌梁素海沉水植物群落光谱特征及冠层水深影响分析 总被引：1，自引：0，他引：1
沉水植物对于改善富营养化水体和重建水生生态系统起着至关重要的作用.应用遥感技术可以实时、大面积监测沉水植物的分布和生长情况,而冠层水深直接影响沉水植物在湖泊、河流中的准确遥感解译.本研究基于实测光谱数据,分析了乌梁素海沉水植物光谱特征,并研究了冠层水深对乌梁素海沉水植物反射光谱的影响,建立了乌梁素海沉水植物冠层水深反演模型.结果表明:1)挺水植物在短波红外1662 nm和2223 nm附近分别有一个反射峰,这是挺水植物区别于沉水植物和漂浮藻类的重要波段; 0深度沉水植物(WDC=0)与漂浮藻类的光谱反射率非常接近,但是在绿波段(550～690 nm)有明显差异,因此,可以利用绿波段和短波红外波段的光谱特征来区分挺水植物、沉水植物和漂浮藻类.2)沉水植物群落的光谱反射率随冠层水深的增加而降低,在700～900 nm波段范围内变化最为明显,且在700～735 nm波段附近,沉水植物群落光谱反射率与冠层水深呈显著负相关.3)在建立的单波段/波段比沉水植物冠层水深反演模型中,波段比反演模型要优于单波段反演模型,波段比反演模型的决定系数R2 0.70,均方根误差13.70 cm,平均相对误差28%,反演精度较好,适用于10～60 cm沉水植物冠层水深的反演.4)利用波段响应函数,将实测光谱反射率积分到Landsat-8 OLI波段上,建立OLI了冠层水深反演模型,其中,波段比幂函数模型反演效果最好,R2为0.49,均方根误差为18.17 cm,平均相对误差40.05%.可用于精确大气校正后乌梁素海沉水植物冠层水深的反演. 相似文献
6.
云南高原湖泊有色可溶性有机物和颗粒物光谱吸收特性 总被引：9，自引：6，他引：3
云南高原湖泊是我国湖泊分布最密集的五大湖群之一,不但湖泊数量众多而且类型多样.由于湖泊所处位置海拔较高,容易受只益增强UV-B辐射影响.通过对云南高原34个湖泊有色可溶性有机物和颗粒物吸收测定,分析其光谱吸收特性及对总吸收的贡献,有利于深刻理解紫外辐射在高原湖泊内衰减.不同湖泊间CDOM吸收差异明显,其大小与水体营养盐状况相关,CDOM吸收系数与水体总氮存在显著正相关.增加背景项的指数函数模型能最好模拟CDOM光谱吸收.除在浮游植物浓度非常高的杞麓湖、听湖、星云湖,颗粒物吸收系数在675nm附近存在一个吸收蜂外,其它湖泊总颗粒物光谱吸收大致随波长的增加吸收系数逐渐降低,呈现非色素颗粒物光谱吸收特征,整体上颗粒物吸收以非色素颗粒物为主.CDOM对总吸收的贡献主要集中在600nm以下波长,尤其是400nm以下的紫外波段,其在紫外波段(350-400nm)的贡献明显要大于光合有效辐射波段(400-700nm)(ANOVA,P<0.001).特别对于透明度SD≥1.0的清澈型湖泊,CDOM吸收对紫外辐射衰减的贡献更大,其吸收很大程度上决定了紫外辐射的影响深度. 相似文献
7.
一种基于综合吸收能力的高光谱遥感植被指数计算方法 总被引：2，自引：0，他引：2
《地球物理学进展》2017,(4)
植被指数一直是遥感技术研究植被的重要方法,当前主要方法多是利用遥感数据中的典型波段进行组合计算.随着高光谱遥感的广泛应用,简单波段组合计算应用于高光谱遥感数据效果并不理想,植被指数计算方法需要在传统方法基础上,充分利用连续光谱曲线优势.文章在借鉴当前主流植被指数计算方法基础上,结合植被的光谱曲线特征,提出了一种基于综合吸收能力的植被指数计算方法(VSAI).具体方法是运用植被光谱曲线在绿、红、红外波段范围内的曲线拐点所形成曲面的形状与面积,与样本之间的相似关系,进行植被存在性与郁闭度评估.结果表明,该方法计算出来的指数能较好的反应植被信息,有较好层次. 相似文献
8.
吉林查干湖水体叶绿素a含量高光谱模型研究 总被引：5，自引：1，他引：4
叶绿素a含量能够在一定程度上反映水质状况,高光谱遥感可有效反演叶绿素a含量.该研究通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段相关分析、波段比值、微分光谱和神经网络模型等多种算法建立了叶绿素a高光谱定量模型.结果表明:叶绿素a与单波段光谱在蓝、绿波段相关系数较低,而在红光与近红外波段有明显提高,微分光谱也表现出同样的趋势;反射率比值算法模拟效果好于线性回归法;神经元网络模型可以大大提高实测光谱数据的反演能力,确定性系数高达0.95.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础. 相似文献
9.
混合藻类高光谱特征及其叶绿素a分离定量模型 总被引：1，自引：1，他引：0
利用地物高光谱遥感技术,在室内进行小球藻、聚球藻及其混合藻高光谱测量.得到这3组藻的反射光谱特征,同时进行叶绿素a(Chl.a)浓度测量.利用Matlab软件中的神经网络工具箱对得到的高光谱数据进行了曲线拟合.并用拟合结果和光谱测量实际结果分别建立了两种单一藻类的定量模型单一小球藻Chl.a最优的定量模型为用反射率实际值建立的小球藻单波段反射率模型Chl.a=1×10~7(R_(687))~2-37016R_(687)+53.64.单一聚球藻Chl.a最优的定量模型为利用反射率实际值建立的聚球藻两波段模型Chl.a=853 15×[R~(-1)(669)-R~(-1)(730)]×R(730)+505.78.在对两种单一藻类定量模型研究的基础上分别用单波段反射率分离模型、三波段分离模型和两波段分离模型对由小球藻和聚球藻组成的混合藻进行了Chl.a浓度分离.其中单波段反射率分离模型和两波段分离模型得到了较好的分离结果,单波段反射率分离模型结果要优于两波段分离模型结果.利用神经网络模型拟合值构建的模型要优于直接用反射率测量值构建的模型,而三波段分离模型的分离结果不理想,不适用于本研究. 相似文献
10.
水体Chl.a浓度是水质评价的一个重要指标,受悬浮物浓度季节性变化的影响,如何削弱悬浮物的光谱干扰,是实现内陆水体Chl.a浓度遥感高精度反演的难点之一.基于2011-2013年妫水河6次实测水体高光谱数据和水体Chl.a浓度数据,评价广泛应用的三波段模型和非线性拟合能力较好的支持向量机回归(SVR)模型的反演精度,使用基线校正和一阶微分方法来削弱实测高光谱中非Chl.a光谱信息.定义两种基线:750 nm的反射率值;500与750 nm的反射率值连线,基线校正为光谱反射率减去基线值.利用2013年7月的实测数据进行验证,结果表明,SVR模型比三波段模型更适合季节性浑浊水体的Chl.a浓度反演.通过基线校正筛选后的波段反射率组合作为输入变量能够提高SVR模型的反演精度,决定系数为0.68,均方根误差为3.38μg/L;线性基线校正提高三波段Chl.a估算模型的反演能力有限. 相似文献
11.
12.
湖冰光谱特征是湖冰遥感反演的物理基础,是研究湖冰光学特性和空间分布的理论依据。本文以查干湖为例,使用ASD Field Spec 4便携式地物光谱仪采集冰封期不同类型湖冰、积雪和水体光谱,利用Savitzky-Golay滤波法和包络线去除法分析白冰、灰冰、黑冰、雪冰、积雪和水体的反射光谱特征,探索气泡对湖冰反射光谱特征的影响。积雪和雪冰、白冰和灰冰、黑冰和水体的反射特征随着波长的变化特征基本一致,冰的反射率介于积雪和水体之间,其中白冰的反射率高于灰冰和黑冰,在包络线去除结果中,黑冰和水体在440 nm吸收谷处的吸收面积为5.184和10.878、吸收深度为0.052和0.106,雪、雪冰、白冰、灰冰在800和1030 nm吸收谷处的吸收面积和吸收深度的变化表现为雪<雪冰<灰冰<白冰。气泡是影响湖冰光谱特征的重要因素,气泡使白冰反射率减小和黑冰反射率增大,并且气泡使得白冰在800/1030nm和黑冰在440 nm处的吸收面积和吸收深度减小,其中气泡大小和疏密程度的不同会导致湖冰反射率的影响程度存在差异。同时,本文选取时间同步的Landsat 8 OLI遥感影像,在完成辐... 相似文献
13.
基于时间序列谐波分析的鄱阳湖湿地植被分布与水位变化响应 总被引：3，自引：1，他引：2
采用高时间分辨率遥感信息的谐波分析方法,提取反映鄱阳湖湿地植被指数随水位变化的谐波分量,分别以自然年和水文年的不同周期作为湿地植被指数谐波分析单元,利用时间序列信号的最大振幅谐波分量的变化周期表征湿地植被指数在不同分析单元的变化模式,结合常年水位观测数据和湿地植被群落在不同物候期的时间与空间特征,探讨鄱阳湖国家级自然保护区和南矶湿地国家级自然保护区的植被分布面积与水位变化关系.结果表明:(1)鄱阳湖湿地植被分布受水文状况影响的特征明显,相对于南矶自然保护区,鄱阳湖自然保护区湿地植被分布面积对观测水位的变化更为敏感.(2)两个自然保护区范围内的湿地植被分布面积与对应水文年9和10月的观测水位呈现较强的负相关关系,且在0.05水平上显著.一年两季生长的湿地植被分布面积受退水时间影响大于次年的涨水时间,与枯水期的观测水位无明显的相关关系.(3)两个自然保护区在不同高程区间的湿地植被分布面积与观测水位的相关关系和显著性呈现各自特征.在鄱阳湖保护区,12~13 m高程区间的湿地植被分布面积与9月观测水位的相关性最强,且相关关系在0.05水平上显著;13~14 m高程区间的湿地植被分布面积与10月观测水位相关关系更强.在南矶自然保护区,湿地植被分布面积在不同高程区间均与9和10月观测水位显著相关.采用谐波分析方法分析湖泊湿地的植被分布面积与水位关系有助于基于多时间序列遥感信息的湿地水文节律研究. 相似文献
14.
15.
1993-2010年洞庭湖湿地动态变化 总被引：1，自引：0，他引：1
利用不同时相遥感影像,结合实地调查,采用决策树分类方法提取洞庭湖湿地信息,完成洞庭湖四期湿地类型分布图;同时分析洞庭湖湿地植被群落动态变化特征、驱动因素以及湿地变化的影响.结果表明,17 a来洞庭湖滩地植被分布和面积发生了明显变化,林滩地面积净增367.88 km2,变化比例为1127.51%,分布范围向洲滩主体扩展,成为主要滩地类型;芦苇滩地面积减少44.09 km2,草滩地面积增加2.99 km2,变化比例分别为-5.80%和0.40%.洞庭湖湿地的变化一方面受洞庭湖泥沙淤积和滩地植被演替的影响,另一方面也受到人类活动干扰的影响.天然湿地植被的破坏,特别是人工种植芦苇和滩地造林在一定程度上改变了洞庭湖湿地生态系统原有的结构和功能.为有效保护洞庭湖湿地,要合理开发洲滩资源,保护天然湿地植被,合理规划和控制滩地造林. 相似文献
16.
《水文科学杂志》2013,58(3)
Abstract Remote sensing technology is being conceived as a cost-effective tool to monitor the eutrophication problem in shallow inland lakes and reservoirs. The objective of this study is to develop hyperspectral remote sensing algorithms for chlorophyll and accessory pigments retrieval in the Ishizuchi Reservoir in Japan. The laboratory reflectance data of 207 field samples with manipulated pigment and suspended sediment concentrations were measured between 400 and 700 nm with a hyperspectral spectroradiometer, and integrated into 60 contiguous narrow bands. Band ratio and spectral absorption algorithms were developed by regression analysis with the observed chlorophyll measurements, and their estimation accuracies were evaluated using the RMSE of the estimates. Algorithms developed from spectral absorption ratios a(675 nm)/a*(675 nm) for five different classes of total pigment concentrations were more accurate than the algorithms based on band ratios Rrs (538 nm)/Rrs (488 nm), Rrs (581 nm)/Rrs (463 nm) and Rrs (674 nm)/Rrs (622 nm) as a result of removing the influence of overlapping absorption and scattering by water molecules and suspended solids from total absorption spectra. 相似文献
17.
湿地植被地上生物量是衡量湿地生态系统健康状况的重要指标,对于珍稀水禽越冬繁殖、全球碳循环、生态净化具有重要意义,是生态学与遥感解译的研究热点之一.针对于地上生物量的测算,卫星遥感数据覆盖范围广但其空间分辨率较低,无人机遥感数据空间分辨率高但采集范围小,同时受湿地面积、观测系统及外界环境等条件的影响,使得遥感影像地上生物量反演更加复杂和困难.本研究基于无人机和高分一号数据对升金湖草滩植被地上生物量反演进行研究,结合升金湖保护区4个样区无人机可见光影像与相应样区实测样本数据,建立地上生物量与可见光波段、多种可见光植被指数的线性、幂函数、多项式、对数回归模型,并通过可决系数（R2）、平均绝对误差（MAE）和均方根误差（RMSE）对模型进行精度评价,选择最优模型对无人机影像进行地上生物量反演;通过可见光波段反演得到的生物量,与高分一号WFV归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）影像相结合进行回归建模,获取整个升金湖草滩植被地上生物量分布.结果表明,利用无人机红光波段建立的多项式方程对地上生物量反演有着最高模拟精度,R2=0.86、预测精度MAE=111.33 g/m2、RMSE=145.42 g/m2,且红光波段生物量反演方法得到的结果与实际生物量分布一致性较高,高分一号WFV NDVI与无人机反演生物量构建的多项式模型为最优模型,R2为0.91.本研究利用无人机和高分一号数据进行生物量反演研究,整合多源遥感数据优点,以获取更加丰富和准确的信息,进而提高地上生物量反演精度,为湿地监测和湿地恢复管理提供数据和技术支撑,具有重要研究意义和应用价值. 相似文献
18.
19.
利用Landsat系列卫星的MSS、TM和ETM+遥感数据,计算了研究区的归一化植被指数(NDVI),并以此为湿地植被活动的指标,研究1973 2011年间该湿地植被变化特征及年内季节变化特征,揭示植被活动在年内和年际变化的控制因子以及湿地植被对于气候变化、人类活动和极端干旱事件的响应特征.结果表明:(1)近40年来南四湖湿地植被各个季节的变化特征不尽相同.春季NDVI呈现先降低后增加的特征,主要先后受到研究区围垦、渔业养殖等人为活动和气候变化(增温)的影响;夏季和冬季的NDVI呈现显著降低趋势,主要受到围垦、渔业养殖等人类活动的影响;秋季NDVI的变化不显著.(2)年内季节变化方面,湿地植被面积和NDVI都呈现单峰的变化特征,从春季开始增加,在夏季末(全年的第202和205 d)达到最大值,然后开始下降,到冬季降至最低.植被的年内季节变化特征主要受到月均温度的控制.(3)干旱在一定程度上不是湖泊湿地NDVI增加的限制因子.干旱导致湖泊水位下降,滨湖滩地及湖底露出,可能会促进湿地植被生长和植被面积的扩大,使得湿地NDVI增加. 相似文献
20.
Self-organizing feature map neural network classification of the ASTER data based on wavelet fusion 总被引：3，自引：0，他引：3
HASI Bagan MA Jianwen LI Qiqing HAN Xiuzhen & LIU Zhili Laboratory of Remote Sensing Information Science Institute of Remote Sensing Applications Chinese Academy of Sciences Beijing China 《中国科学D辑(英文版)》2004,47(7):651-658
Remote sensing classification methods can be classified as supervised and unsupervised catalogs. The maximum likelihood method (MLH) is a super-vised classification method,which is widely used in the remote sensing data classification and produces good results[1]. In the MLH, the parameters are esti-mated, assuming that the samples are normally dis-tributed in spectral space, to determine the mean vec-tor and covariance matrix of all classes. In most cases, however, the samples are not norma… 相似文献