共查询到20条相似文献，搜索用时 46 毫秒
1.
基于实测高光谱数据的鄱阳湖湿地植被光谱差异波段提取 总被引：1，自引：0，他引：1
高光谱遥感技术的出现为有效解决湿地植被种类的精细识别和分类提供了可能.通过实地测取鄱阳湖湿地5种植被的高光谱数据,在对数据预处理的基础上,提出一种基于数据误差范围和植被光谱均值差的植被光谱差异波段提取方法.将该方法应用于包络线变换前后的光谱曲线提取植被的光谱差异波段,最后利用马氏距离法检验植被识别效果.结果表明:本文中的方法有效提取了植被光谱差异波段,其中变换前光谱差异波段分别为663~688 nm,变换后为581~636、660~695和1225~1236 nm.在光谱差异波段范围内,同种植被的马氏距离值小于异种植被的马氏距离值,可有效对植被进行识别.研究结果为湿地植被分类识别奠定了理论基础,同时为湖泊湿地植被以及湖泊生态环境的保护决策提供科学依据. 相似文献
2.
高光谱遥感数据的改正暗目标大气校正方法研究 总被引：6，自引：0，他引：6
高光谱遥感数据常用的大气校正方法均侧重于去除水汽及其他吸收气体的影响, 主要研究了从高光谱影像同时去除气溶胶与水汽影响的方法. 由于高光谱遥感数据波段众多, 常规暗目标方法一直难以适用于高光谱遥感数据的大气校正. 通过选取小麦作为新的暗目标对象, 着重讨论了使用多波段线性回归与插值的方法对常规暗目标方法进行改正使之充分利用高光谱的众多波段特性, 从而把改进的暗目标方法扩展应用于高光谱遥感数据的大气校正. 为了同时去除大气中水汽的影响, 大气校正全过程采用了循环迭代的算法. 以山东济宁地区EO-1卫星搭载的Hyperion高光谱数据为应用实例, 通过使用MODTRAN建立的查找表直接从影像估算出气溶胶与水汽含量, 实现了对该数据的大气校正. 大气校正的结果表明, 改正暗目标大气校正算法可以有效地对高光谱遥感数据进行大气校正. 相似文献
3.
基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演 总被引：5，自引：0，他引：5
三波段模型是基于生物光学模型构建的叶绿素a浓度反演半分析模型,是目前反演内陆富营养化浑浊水体叶绿素a浓度效果较好的方法.本文通过星地同步实验,分析巢湖水体各组分光谱特征,分别基于地面实测数据与环境一号卫星高光谱遥感数据建立三波段模型反演巢湖水体叶绿素a浓度.结果表明,由于特征波段在不同数据源的位置不同,导致了两个模型波段选择及反演精度的差异.因此,只有在充分考虑遥感数据的光谱特征的条件下,分析遥感信息理论和实际图幅影像有效结合在一起的地物信息,才能进一步优化三波段模型的波段选择,实现遥感数据定量反演水体叶绿素a浓度的目标. 相似文献
4.
5.
基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a 总被引：5，自引：0，他引：5
内陆水体叶绿素a浓度定量反演是水质遥感的热点与难点.本文基于对内陆水体叶绿素a、悬浮物、溶解有机物与水分子的光谱特征分析,从半分析生物光学模型出发,利用太湖实测的水面 ASD 高光谱遥感数据三波段组合,进行迭代优化,得到与叶绿素浓度密切相关而受悬浮物与黄色物质影响小的最优波段组合模型,反演精度较高,其决定系数和均方根误差分别为 0.8358、3.816mg/m3,该方法可以有效地反演高浓度悬浮物主导光学特性的水体叶绿素a浓度. 相似文献
6.
5.12汶川震区植被遥感动态监测与分析 总被引：1，自引：0，他引：1
依照遥感应用数据选择原则,选取了5.12汶川地震前后三年周期内同季节的Landsat-TM遥感图像,进行了遥感植被监测应用的波段选择分析和NDVI提取方法的详细介绍,并分别用NDVI植被指数、监督分类等方法对震区地震前后的植被信息进行了提取、统计和对照分析.结果表明,从2007年9月到2008年7月,灾区植被的总体分布有所减少,减少量为5.3％;从2008年7月到2009年6月,植被的总体分布有所增加,2009已经接近2007年水平,达到震前覆盖率的98.3％. 相似文献
7.
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
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.
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
10.
三波段梯度差植被指数的理论基础及其应用 总被引：15，自引：0，他引：15
针对现有植被指数的不足, 从分析植被的光谱特点入手, 提出一种新的植被指数TGDVI, 并建立了用TGDVI反演植被覆盖度和叶面积指数的方法. 理论分析和模型模拟方法研究表明, 该植被指数具有高饱和点和一定的背景影响消除能力, 并可以和植被覆盖度、叶面积指数建立比较明确的函数关系. 此外, 该植被指数对于薄云的影响也有一定的去除能力. 北京顺义试验数据研究表明, 利用该植被指数反演叶面积指数可以获得比较理想的效果. 从理论上分析了NDVI饱和点低的原因, 指出NDVI的低饱和点是由其定义本身和植被的光谱响应特点决定的, 从一定意义上说是无法克服的. 同时还通过模型模拟证明比值植被指数与叶面积指数之间为近似分段线性关系, 而非普遍采用的线性关系, 这主要是由背景影响以及红光、近红光反射率随叶面积指数增加变化速率不一致造成的. 相似文献
11.
NDCI法Ⅱ类水体叶绿素a浓度高光谱遥感数据估算 总被引：1，自引：0，他引：1
以太湖、巢湖为研究区,以Hyperion和HJ-1A卫星HSI高光谱数据以及实测水质浓度数据为实验数据,引入归一化叶绿素指数(NDCI),对Ⅱ类水体的高光谱叶绿素a浓度估算进行分析研究.首先对高光谱数据的光谱通道设置以及水体光谱特征进行分析,研究确定模型的最优波段.然后,将确定最优波段后的NDCI反射率因子作为变量与实测样本点数据进行回归分析,得到NDCI与叶绿素a浓度之间的回归关系,进行叶绿素a浓度的估算.与常用的比值法、一阶微分法和三波段法相比,NDCI的性能优于这3种方法,表明NDCI是一种计算简单、估算精度高、实用性强的Ⅱ类水体叶绿素a浓度估算方法. 相似文献
12.
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
13.
为了从海量遥感数据中有效地提取地表水体信息,并提高自动化提取效率,提出了一种基于遥感特征指数的地表水体自动提取方法.该方法选取归一化植被指数(NDVI)、归一化建筑指数(NDBI)和修正归一化水体指数(MNDWI)作为遥感特征指数集,并根据这些指数构建了遥感特征指数曲线.通过分析,发现地表水体在特征曲线中单调上升,植被在特征曲线中单调下降,而其它地物并无此特征.因此,根据这一规律,利用ERDAS IMAGINE软件建立了自动化提取模型.通过与其他方法对比,表明所建立的模型在精度和自动化方面都明显优于其他方法,可用于海量数据地表水体的自动提取.最后,在ARCGIS环境下,并通过决策树模型初步实现了地表水体的自动分类. 相似文献
14.
基于水体透明度反演的太湖水生植被遥感信息提取 总被引：3，自引：1，他引：2
在使用多光谱遥感图像提取太湖水生植被分布时,由于水体中悬浮物和藻类等物质的影响,容易产生"异物同谱"现象,大面积水体被误分为沉水植被.本文首先通过TM图像反演太湖水体的透明度,基于RVI和NDVI植被指数,分别建立两类决策树,即透明度辅助的分类决策树和无透明度参与的分类决策树,将太湖分为水体、以浮叶植被为主导的水生植被和以沉水植被为主导的水生植被等三种类型.透明度辅助下的 NDVl 分类决策树方法,较好地消除分类过程中的"异物同谱"现象,是进行太湖水生植被分类的一种最好方法选择,把这种方法应用于2002年7月15日的Landsat ETM卫星遥感影像,结果表明太湖中以沉水植被为主导的水生植被约407.6km2,以浮叶植被为主导的水生植被约82.2km2. 相似文献
15.
基于植被叶片水平提出一种表征植被组成的结构模式--荣枯比,分析不同荣枯比下植被波谱响应的规律,对比叶绿素及植被水分含量指数随着荣枯比变化的速率,对不同荣枯比下植被叶绿素、含水指数与叶绿素、水分含量的相关性进行了研究,结果表明:荣枯叶片组合的模式增强了植被吸收特征,波段570～700,1300～1540 nm对于荣枯变化均具有指示作用;NPQI,NPCI,R695/R420,R695/R760,R750/R700,红边峰值面积、红边振幅、红边振幅与最小振幅的比、NDVI,随荣枯变化呈现有规律的变化特征,这九个植被指数与叶绿素含量高度相关;植被指数NDWI,PRI也对荣枯变化高度敏感并与水分含量高度相关,其相关系数超过了0.9.导数光谱更能反映不同荣枯比结构模式的变化规律,尤其是在波段552～628,630～686 nm区域,其对组合叶片的敏感性优于基于叶片的植被指数;红边位置这一与叶片叶绿素含量高度相关的指数对于荣枯组合结构模式的变化失去其敏感性,而对荣枯变化敏感的红边参数为红边峰值面积、红边振幅与最小振幅的比.沙地对于枯叶的影响比荣叶的影响大,400～700 nm可见光波段及1300～1540 nm,沙地的影响随着枯叶比例的增加而增大,差异达到了7%左右;700～1300 nm近红外波段,沙地对于组合叶片的叠加作用超过了10%. 相似文献
16.
基于植被叶片水平提出一种表征植被组成的结构模式—荣枯比,分析不同荣枯比下植被波谱响应的规律,对比叶绿素及植被水分含量指数随着荣枯比变化的速率,对不同荣枯比下植被叶绿素、含水指数与叶绿素、水分含量的相关性进行了研究,结果表明:荣枯叶片组合的模式增强了植被吸收特征,波段570～700,1300～1540nm对于荣枯变化均具有指示作用;NPQI,NPCI,R695/R420,R695/R760,R750/R700,红边峰值面积、红边振幅、红边振幅与最小振幅的比、NDVI,随荣枯变化呈现有规律的变化特征,这九个植被指数与叶绿素含量高度相关;植被指数NDWI,PRI也对荣枯变化高度敏感并与水分含量高度相关,其相关系数超过了0.9.导数光谱更能反映不同荣枯比结构模式的变化规律,尤其是在波段552～628,630～686nm区域,其对组合叶片的敏感性优于基于叶片的植被指数;红边位置这一与叶片叶绿素含量高度相关的指数对于荣枯组合结构模式的变化失去其敏感性,而对荣枯变化敏感的红边参数为红边峰值面积、红边振幅与最小振幅的比.沙地对于枯叶的影响比荣叶的影响大,400～700nm可见光波段及1300～1540nm,沙地的影响随着枯叶比例的增加而增大,差异达到了7%左右;700～1300nm近红外波段,沙地对于组合叶片的叠加作用超过了10%. 相似文献
17.
结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量 总被引：56，自引：13，他引：43
实地测试太湖水体的反射光谱,实验室分析水样,运用相关分析法探求叶绿素、悬浮物的光谱特征波段,估测叶绿素和悬浮物含量;对比LandsatETM波段,运用不同的函数曲线对相应的波段组合进行回归拟合,建立相应的估测模型,选取精度最好的两个分别对太湖的叶绿素和悬浮物含量进行估测.结果表明:(1)对多光谱遥感而言,LandsatTM/ETM是定量获取叶绿素和悬浮物的较好的数据源,但不是最适合的数据源;(2)通过ETM3与叶绿素建立一定的函数关系来估测叶绿素含量具有较高的精度,其中利用算术组合ETM3/ETM1估测叶绿素的精度最高;(3)ETM4与悬浮物具有较高的相关度,其中利用算术组合ETM4/ETM1估测悬浮物含量的精度最高;(4)LandsatETM卫星影像中,不同尺寸的像元窗口影响水质参数的估测精度;对叶绿素估测而青,7×7或者5×5窗口比较适合,对悬浮物估测而言,一般不超过3×3. 相似文献
18.
太湖蓝藻爆发与水温的关系的MODIS遥感 总被引：15，自引：4，他引：11
利用MODIS高光谱遥感数据动态监测太湖地区蓝藻水华发展过程,并结合水温环境因子,探讨蓝藻爆发的环境条件.首先,通过简单的比值植被指数,实现蓝藻生物量的遥感估算;根据六期遥感估算结果,监测太湖蓝藻动态发展过程.然后,利用MODIS热红外波段(31和32),采用分裂窗算法,同步反演出的太湖表面水体温度,探讨蓝藻爆发的水温条件,及蓝藻生长与水-温度之间的关系.研究结果表明,在水体富营养化前提下,水体温度是影响蓝藻生长的重要环境因子;合适的水体温度(24-30℃)是蓝藻爆发的必要条件;大于30℃的高温,对蓝藻的生长有明显的抑制作用. 相似文献
19.