共查询到20条相似文献，搜索用时 390 毫秒
1.
《测绘与空间地理信息》2013,(11)
遥感定量分析方法能够通过生物量相关因子直观反映路域植被的生长过程,为探索公路建设运营对自然环境的影响及其影响的复杂性提供强有力的技术手段。利用高分辨率IKONOS影像,研究两种遥感解译方法反演路域植被叶面积指数(LAI),对比分析其结果与精度,探索适用于路域生态环境这一特殊生态区域植被LAI的反演方法。研究表明,物理模型法较经验模型法更具有适普性和准确性,更适用于路域植被LAI的反演,精度更高。 相似文献
2.
为了更好应用国产高分辨率遥感影像监测评价南方路域植被环境,研究南方路域针叶植被叶面积指数遥感反演.该文以长益高速研究区域的高分六号影像(GF-6)为基础,提出了可适用于针叶叶片的LIBERTY+ SAIL耦合模型并结合多元线性回归、局部加权回归反演路域植被针叶LAI的方法.研究中以耦合模型模拟的冠层光谱反射率、GF-6影像和野外实测生化参数为数据源,通过相关性分析,将与LAI相关性较高的SAVI、RVI和EVI 3种植被指数作为反演因子,结合组合模型反演LAI并评定模型的反演精度.结果 表明,耦合模型对南方路域针叶植被LAI的估算精度整体较高,对比分析两种叶面积指数的组合预测模型,耦合模型结合局部加权回归组合反演LAI具有优越性,可更好地反演路域植被针叶LAI. 相似文献
3.
《国土资源遥感》2017,(4)
叶面积指数(leaf area index,LAI)作为植被冠层的重要参数,对作物长势监测及产量估算具有重要意义。本研究以黑河流域张掖绿洲试验区为例,基于机载航空高光谱遥感影像(compact airborne spectrographic imager,CASI)数据,利用物理模型与统计模型对研究区的LAI进行估测反演。首先,利用归一化植被指数(normalized difference vegetation index,NDVI)与相应实测LAI数据建立最佳线性回归模型;然后,基于混合像元分解模型和多次散射植被冠层模型构建物理模型;最后,以线性回归模型为参比修正多次散射植被冠层模型,构建半经验LAI反演模型,并比较上述模型拟合效果。研究结果表明,半经验模型为绿洲区LAI反演最优模型,模型估算精度R2达到0.89,精度提高较显著。研究对提升作物LAI的估算精度有一定意义,并将进一步推动精细农业定量遥感理论的研究与应用。 相似文献
4.
针对南方丘陵地区针叶-阔叶混交林植被叶面积指数（leaf area index，LAI）反演精度低且研究较少的问题，本文提出了一种GLIBERTY-DSAIL耦合模型组合多元线性回归反演LAI的方法。本研究以GLIBERTY-DSAIL模型模拟光谱和植被实测高光谱为数据源，通过相关性分析，选取与LAI相关性高的植被指数作为反演因子，构建多元线性回归模型定量反演植被LAI并进行精度评定。结果表明：与LAI显著相关的RVI、DVI、GNDVI、MSAVI这4种植被指数作为反演因子，结合本文提出的组合模型反演LAI，模型预测决定系数R2为0.708 6，均方根误差RMSE为0.302 1，精度整体较高。该组合方法可较好地用于反演针叶-阔叶混交林植被LAI，为南方地区混交林LAI的研究提供新思路。 相似文献
5.
基于TM的辐射传输模型反演叶面积指数可行性研究 总被引：4，自引：1，他引：4
基于PROSAIL辐射传输模型，引入土壤反射指数SRI来简化模型，提出直接从反射率计算SRI的方法； 同时，针对不同的植被状况，采取不同波段组合对模型的参数进行敏感性分析，确定自由参数与反演波段组合，提出一种基于不同植被状况的叶面积指数反演策略； 最后，应用遗传算法对模拟的TM光谱反射数据进行实验。结果表明，对于LAI＜3的植被，反演精度较高； 但是对于LAI＞3的植被，反演精度较低，其原因主要是冠层反射对LAI不再敏感。因此，辐射传输模型反演LAI有一定适用范围，只有在此范围内LAI的反演精度才可靠。 相似文献
6.
叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演。研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.719 3和0.393 6;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.900 8和0.273 2。基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考。 相似文献
7.
8.
9.
山地叶面积指数反演理论、方法与研究进展 总被引：2，自引：0，他引：2
叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数，在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段，当前LAI产品主要基于遥感数据反演得到，但是多数LAI产品算法并未考虑地形特征的影响，导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响，其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法，综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展，总结了目前山地LAI遥感反演存在的问题，并讨论了未来研究的发展趋势。 相似文献
10.
基于TM数据的植被覆盖度反演 总被引：6，自引：5，他引：6
本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。 相似文献
11.
通过对路域植被覆盖度反演及其时空变化特征分析,可再现公路建设和运营对路域两侧生态环境的干扰过程和强度,反映路域生态环境质量。以京港澳高速(G4)长潭段为研究区,建立路域植被覆盖度遥感定量模型及主成分分析模型,分析路域植被覆盖度的动态变化空间格局及其变异性,并寻求其主要驱动因子。结果表明,影响路域植被时空格局的主要驱动力因子是公路运营带来的经济因素,环境因素次之,与地区实际经济发展情况吻合。 相似文献
12.
以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple biosphere model2,Si B2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价。结果表明,采用EVI线性模型估算LAI,决定系数R2为0. 582,均方根误差(root mean square error,RMSE)为0. 701;而采用Si B2模型估算LAI,R2为0. 798,RMSE为0. 358,均比EVI线性模型有所改善。该研究发现,结合中高空间分辨率的GF-1 WFV数据,Si B2模型更适宜于该研究区森林植被的LAI反演。 相似文献
13.
为监测路域植被生态环境,利用遥感影像和辐射传输模型物理基础实现了对植被冠层等效水厚度（EWT）的估测。提出了利用PRO4SAIL与支持向量机回归的组合模型对等效水厚度进行反演的方法。选取Landsat7 ETM+影像,结合实测数据探索验证了PRO4SAIL与支持向量机回归的组合模型的植被参数反演的实用性和准确性。研究表明,该组合模型具有较好的预测能力,反演得到的等效水厚度含量精度较高,为支持向量机模型应用于遥感影像反演植被参数提高了有力支撑。 相似文献
14.
地面LiDAR数据模拟及单木LAI反演 总被引：1，自引：0，他引：1
地面激光雷达Li DAR可以快速获取高精度、高密度的点云数据,在植被结构参数获取方面的应用越来越广泛。为了定量分析地面激光雷达点云数据获取单木结构参数的能力和精度,本文提出利用光线跟踪结合植被真实结构模拟地面3维激光扫描仪的单木点云数据(以RIEGL VZ-1000为例),并结合间隙率模型反演单木叶面积指数LAI。在点云模拟过程中,充分考虑了脉冲特性,包括光斑大小、波束发射角以及回波探测强度。重点分析了光斑大小和最小探测强度对LAI反演的影响,并采用根河实测单木数据进行了验证。结果表明,光斑大小和最小探测强度的设定对于LAI反演结果存在很大影响,该结论对于提高地面激光雷达点云数据反演植被结构参数精度具有重要意义。 相似文献
15.
16.
叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。 相似文献
17.
利用交叉验证的小麦LAI反演模型研究 总被引：4，自引：0，他引：4
《国土资源遥感》2015,(4)
叶面积指数(leave area index,LAI)是表征植被冠层结构和生长状况的关键参数,采用遥感技术进行LAI反演是遥感反演领域的热点和难点之一。利用小麦关键生育期的高光谱数据,计算其一阶和二阶导数,并构建植被指数(RVI,NDVI,EVI,DVI和MSAVI)及三边变量参数等高光谱变量;将上述参数与小麦LAI数据进行相关性分析,并利用交叉验证法进行多种回归分析,确定反演小麦LAI的敏感参数,选择反演模型;最后使用敏感参数构建所有样本的小麦LAI反演模型,并比较其拟合效果。研究结果表明:经过交叉验证的反演建模,其拟合结果的均方根误差(RMSE)整体上较未经交叉验证反演建模结果的RMSE小;在用敏感参数构建的回归模型中,RVI立方回归模型是用遥感数据反演小麦LAI的最优模型。 相似文献
18.
遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。 相似文献
19.
针对利用卫星遥感影像进行大范围反演大豆叶面积指数(LAI)时人工野外样本实测耗时耗力的问题，该文以黑龙江省海伦市、嫩江市两块大豆样地作为研究对象，使用无人机平台获取激光雷达(LiDAR)点云数据，利用孔隙度模型进行大豆LAI反演，根据地面实测数据开展精度评价，并进一步探讨利用无人机LiDAR反演值替代地面实测值进行Sentinel-2卫星影像LAI反演的可行性。实验结果表明，去掉地块边缘混合单元网格影响后，两块大豆样地的LAI反演精度均优于90%。利用无人机LiDAR反演值替代地面实测数据与植被指数构建回归模型，大范围卫星反演LAI精度均优于86%。 相似文献
20.
针对传统的"两流近似模型"法存在易受干扰、估算复杂、精度较低等不足的问题,文章将改进的PRO-4SAIL2物理模型反演的叶面积指数引入植被覆盖度信息提取,与常用的"两流近似模型"法相比,物理模型反演法的物理意义明确、计算简捷。最后将两种方式得到的植被覆盖度与融合的高分辨率IKONOS影像为匹配基准比较,结果表明,基于PRO-4SAIL2物理模型法得出的植被覆盖度精度更高,提高了路域植被覆盖度反演的准确性,可应用于路域植被覆盖度非密度模型中。 相似文献