共查询到20条相似文献，搜索用时 15 毫秒
1.
地上生物量能够有效反映作物的生长状态，其信息的实时估算对产量预测和农田生产管理都有重要意义。作物生长模型因其详尽的生理生化基础和对生长过程数字化描述能力，成为生物量估算的理想模型。近年来，研究人员利用数据同化算法将时间序列遥感数据同化到作物生长模型中，实现了作物模型由基于气象站的点模拟到区域尺度面模拟的外推，使生物量模拟结果同时具备大范围和机理性两个方面的特点。这一模式下，时间序列的遥感数据质量将对生物量模拟精度产生直接影响，作物生长后期受到光谱饱和的影响，遥感数据的作物冠层信息获取能力会出现明显下降，因此有必要对该阶段遥感数据和作物模型的结合方式进行优化，提升生物量模拟精度。本文针对东北地区春玉米生物量遥感估算存在的问题，提出了利用WOFOST作物模型结合无人机（UAV）遥感数据实现作物生长后期生物量准确估算的新思路。新思路首先利用多光谱遥感数据获取WOFOST模型具备较高空间异质性的土壤速效养分参数以提升模型的空间信息模拟能力，使其能在一定程度上摆脱点尺度模拟的限制。同时，结合集合卡尔曼滤波算法将生长前期无人机（UAV）遥感数据同化到模型中，以缩短模型单独运行时间，减少模型运行过程中的参数误差累积，实现无遥感数据参与下的短期作物生长模拟，并输出生长后期相应的生物量模拟结果。最后，本文利用地面实测数据对新方法的生物量模拟精度进行了评价。结果表明，与全生育期数据同化相比，新方法的生物量估算精度有了明显的提升（全生育期同化：R2 = 0.45，RMSE = 4254.30 kg/ha；新方法：R2= 0.86，RMSE = 2216.79 kg/ha）。 相似文献
2.
《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
3.
冬小麦叶面积指数的高光谱估算模型研究 总被引：2，自引：0，他引：2
本文以山东禹城为研究区,利用地面实测光谱数据,探讨不同植被指数和红边参数建立高光谱模型反演冬小麦叶面积指数的精度。通过逐波段分析计算了4种植被指数(NDVI、RVI、SAVI、EVI),结合同步观测LAI数据,确定反演叶面积指数的最优波段;计算了5种常用的高光谱植被指数MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同时利用4种常用方法计算红边位置和红谷,与实测LAI进行回归分析,比较植被指数和红边参数模型对冬小麦LAI的估测精度。结果表明各因子与LAI均具有较高的相关性,整个研究区归一化植被指数具有最高的反演精度,确定了估算冬小麦LAI的最优模型,并使用独立的LAI观测数据对模型进行了验证。 相似文献
4.
小麦生物量和真实叶面积指数的高光谱遥感估算模型 总被引：5，自引：0，他引：5
利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段. 相似文献
5.
精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。 相似文献
6.
植被生物量高光谱遥感监测研究进展 总被引：2，自引：0，他引：2
植被生物量的评估对于研究全球碳循环具有重大意义,而高光谱遥感技术为精确反演地表属性提供了重要的数据支持。针对如何更好地应用高光谱遥感技术进行植被生物量精确反演的问题,该文详细阐述了国内外应用高光谱技术估测植被生物量的研究进展。对反演植被生物量所涉及的数据源、反演模型的构建方法及其模型特点、反演模型应用对象等内容进行了综合评述,并通过分析认为,高光谱遥感技术较传统的多光谱遥感技术在生物量反演精度上有了显著的提高。同时,对建模方法、多源遥感数据融合以及模型通用性等方面的研究进行了展望,以达到在大尺度范围内对植被生物量进行准确反演的目的。 相似文献
7.
Sentinel-2数据的冬小麦地上干生物量估算及评价 总被引：3，自引：0，他引：3
作物生物量快速精确的监测对于农业资源的合理利用与农田的精准管理具有重要意义。近年来,遥感技术因其独特的优势已被广泛用于作物生物量的估算中。本文主要针对不同宽波段植被指数在冬小麦生物量(文中的生物量均是指地上干生物量)估算方面的表现进行探索。首先利用欧洲空间局最新的Sentinel-2A卫星数据提取出17种常见的植被指数,之后分别构建其与相应时期内采集的冬小麦地上生物量间的最优估算模型,通过分析两者间的相关性与敏感性,获取适宜进行生物量估算的指数。最后,绘制了研究区的生物量空间分布图。结果表明,所选的植被指数均与生物量显著相关。其中,红边叶绿素指数(CI_(re))与生物量的估算精度最高(决定性系数R~2为0.83;均方根误差RMSE为180.29 g·m~(–2))。虽然相关性较高,但部分指数,如归一化差值植被指数(NDVI)等在生物量较高时会出现饱和现象,从而导致生物量的低估。而加入红边波段的指数不仅能够延缓指数的饱和趋势,而且能够提高反演精度。此外,通过敏感性分析发现,归一化差值指数和比值指数分别在作物生长的早期和中后期对生物量的变化保持较高的敏感性。由于红边比值指数(SR_(re))和MERIS叶绿素敏感指数(MTCI)在冬小麦全生长季内一直对生物量的变化保持高灵敏性,二者是生物量估算中最为稳定的指数。 相似文献
8.
9.
针对以往植被地上生物量(以下简称“生物量”)多尺度估算方法在数据收集、尺度转化、结果呈现等方面的局限,该文提出了面向植被均质单元的生物量多尺度估算方法：(1)定义了具有实际景观意义的植被均质单元,作为植被生物量估算的基本单元;(2)基于多源数据提取直接反映和间接影响植被生物量的多源因子,利用多尺度分割技术构建多尺度下的植被均质单元;(3)通过随机森林回归模型实现植被生物量多尺度估算。结果表明,该方法可避免多尺度下的数据获取,仅基于一套数据实现了研究区植被生物量多尺度估算,产生了较好的建模和估算精度。该方法不仅可量化生物量大小,还可描绘生物量均质区域,具有尺度变换便捷、灵活等优势。 相似文献
10.
无人机多光谱影像的天然草地生物量估算 总被引：1，自引：0，他引：1
地上草地生物量是衡量天然草地生态系统的重要指标,是草地资源合理利用和载畜平衡监测的重要依据。为了快速、准确、有效地估算天然草地地上生物量,掌握其变化规律,以天山北坡天然牧场为研究区,分析其地上生物量的时空分布特征。根据研究区阴坡与阳坡不同的草地类型和植被种类,利用多旋翼无人机获取的高分辨率多光谱影像(含近红外波段),结合地面实测数据,在进行天然草地地上生物量与植被指数相关性分析的基础上,运用回归分析方法,建立生物量和多种植被指数的估算模型。结果表明:考虑地形因子(阴阳坡)之后,植被地上生物量与各植被指数的相关性系数显著提高;不同坡向,同一植被指数拟合精度差异较大;同一坡向,各个植被指数的敏感性也有所不同。总体上,比值植被指数(RVI)与阴阳坡草地生物量拟合效果最好,模型精度均达到75%以上。利用植被指数建立的生物量估算方法结果与实际相符,可为天然草地生态系统检测和草地资源合理利用提供方法和依据。 相似文献
11.
高光谱吸收特征参数反演草地光合有效辐射吸收率 总被引：1，自引：0，他引：1
在植被光合有效辐射吸收率(FAPAR)遥感估算中被广泛采用的植被指数法,其估算精度往往受到"红波段吸收峰"峰值点光谱反射率易饱和特征的影响。考虑到高光谱吸收特征参数能较好地诠释地物光谱吸收特征的细节信息,基于微分法与包络线去除法研发"高光谱曲线特征吸收峰自动识别法"识别对FAPAR敏感的特征吸收峰,再结合连续统去除法以及光谱吸收指数(SAI)提取FAPAR的高光谱吸收特征参数,构建估算天然草地冠层水平FAPAR的高光谱吸收特征参数模型。结果表明:(1)天然草地冠层FAPAR与高光谱吸收特征参数具有很好的相关性,其中,"红波段吸收峰"SAI对FAPAR变化最为敏感,在植被覆盖度较高时,其饱和性相比"红波段吸收峰"峰值点反射率与归一化植被(NDVI)值有较大的提升。(2)以"红波段吸收峰"SAI为变量的对数方程为FAPAR的最佳估算模型,在植被覆盖度处于中与高时,其FAPAR预测精度比NDVI模型有不同程度的提高。研究采用的高光谱吸收特征参数一定程度上弥补了部分植被指数因饱和问题在估算FAPAR时的不足,可作为植被FAPAR反演的新参数,适用于中、高覆盖度的天然草地FAPAR监测。 相似文献
12.
及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。 相似文献
13.
针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。 相似文献
14.
15.
集成Landsat OLI和机载LiDAR条带数据的亚热带森林生物量制图 总被引：1，自引：0，他引：1
以亚热带天然次生林为研究对象,借助一个条带的少量LiDAR点云数据和覆盖整个研究区的免费Landsat OLI多光谱数据,并结合地面实测数据,探索森林生物量低成本高精度制图方法。首先,提取了OLI和LiDAR特征变量,并与地上和地下生物量进行相关分析以筛选变量;然后,借助LiDAR数据覆盖区的样地和条带LiDAR数据构建"LiDAR生物量模型";再从LiDAR反演生物量的结果中进行采样,结合OLI特征变量构建"LiDAR-OLI模型";最后,与单独使用OLI多光谱数据建立的"OLI估算模型"结果进行比较,分析精度并验证新方法的效果。结果表明,"LiDAR-OLI模型"对地上和地下生物量的模型拟合效果较好且均优于"OLI模型",且其交叉验证的精度也较高并优于"OLI模型",从而证明了新方法的可靠性及有效性。本研究为主、被动遥感技术在中小尺度上协同反演森林参数提供了实验基础,也为基于全覆盖免费OLI多光谱数据及条带LiDAR数据的低成本森林生物量制图探索了技术路线。 相似文献
16.
植被光合有效辐射吸收比率（FAPAR）是描述植被光合作用能量交换过程的重要参数，广泛应用于植被长势监测、植被生产力估算、全球变化等研究领域。遥感是大范围获取FAPAR的唯一途径，与多光谱传感器相比，高光谱传感器能更加精确、细致地观测植被的光谱特征，有利于分析植被冠层反射、吸收特性，进而反演植被冠层FAPAR。本文首先在植被BRDF统一模型和FAPAR-P模型的基础上，构建了BRDF-FAPAR统一模型UBFM (Unified BRDF-FAPAR Model)；进而基于高分五号高光谱传感器特征模拟了不同情况下植被冠层反射率和相应的FAPAR；然后运用改进的最佳指数法选择FAPAR反演的特征波段组合；在此基础上，将特征波段反射率与FAPAR模拟结果作为神经网络的输入参数，构建针对高光谱数据的FAPAR神经网络反演算法。研究结果表明，改进的最佳指数法能有效地筛选出FAPAR估算的敏感波段；综合考虑波段信息量和实际影像数据噪声影响，本研究针对高分五号高光谱传感器选择8个波段作为FAPAR反演特征波段。基于UBFM模型构建的神经网络反演精度较高，模拟实验算法误差约为0.014。选择内蒙古呼伦... 相似文献
17.
生物量是精准量化海洋大型漂浮藻类的关键参数,是反映海洋生态环境变化的有效指标。光学遥感卫星能为绿潮的精细化监测与评估提供数据支持,实现绿潮的精准识别与量化估算。针对中国海洋一号C/D卫星（HY-1C/D）海岸带成像仪CZI (Coastal Zone Imager)、美国中分辨率成像光谱仪MODIS (Moderate-resolution Imaging Spectroradiometer)、欧洲空间局哨兵2号卫星多光谱成像仪MSI(Multi Spectral Instrument)等光学遥感数据特点,基于绿潮生物量变化模拟与观测验证数据,本研究提出了适用于不同光学卫星数据的绿潮生物量估算模型与计算方法,开展了中国近海绿潮生物量光学遥感估算与交叉验证。结果表明：相较于绿潮像元面积和覆盖面积,绿潮生物量估算结果的不确定性最小,该参数能有效减少面积参数所内含的尺度效应差异,能更准确地用于海洋绿潮的量化与评估。此外,基于CZI和MODIS数据开展2021年中国近海绿潮生物量协同监测应用,有效提高了绿潮生物量监测的精度,详细量化了2021年中国近海绿潮生物量的年内变化,展现了绿潮生物量的精... 相似文献
18.
融合多源遥感数据的高分辨率城市植被覆盖度估算 总被引：2，自引：0，他引：2
准确获取城市植被覆盖定量信息对城市生态环境评价,城市规划及可持续城市发展具有重要意义。遥感技术的发展为获取区域及全球植被覆盖信息提供了有效手段,目前基于单传感器、单时相遥感数据的城市植被覆盖度估算方法得到较为广泛的应用。然而,由于城市地表覆盖的复杂性、植被类型的多样性,在一定程度上影响了城市植被覆盖信息提取的精度。为此,本文提出一种基于多源遥感数据与时间混合分析的城市植被覆盖度估算方法。首先,通过时空融合、植被物候特征分析获得最佳时序的GF-1 NDVI数据;其次,基于时间序列的GF-1 NDVI及Landsat 8 SWIR1、SWIR2数据,采用时间混合分析方法以长沙市为例估算城市植被覆盖度。实验研究表明,基于多源遥感数据与时间混合分析方法获得了较高精度的城市植被覆盖度估算（RMSE为0.2485,SE为0.1377,MAE为0.1889）,相对于单时相光谱混合分析、传统的像元二分法,本文提出的方法更为稳定,在低、中、高不同植被覆盖区均能获得较高的估算精度,为城市植被覆盖度定量估算提供了有效方法。 相似文献
19.
植被冠层含水量CWC (Canopy Water Content)和植被地上部分含水量VWC (Vegetation Water Content)对于植被健康状况和土壤干旱监测具有重要意义。本文联合PROSAIL辐射传输模型和植被水分指数NDWI(Normalized Difference Water Index),发展了一种简单、通用性较好的低矮植被CWC和VWC反演方法,可实现中、高空间分辨率下的CWC和VWC估算。首先对PROSAIL模型输入参数进行敏感性分析,明确各参数对模型输出反射率的影响机制,以优化PROSAIL模型输入参数设置并生成低矮植被的反射率模拟数据。基于模拟数据,计算了4个植被水分指数NDWI_((860,1240))、NDWI_((860,1640))、NDWI_((1240,1640))和NDWI_((860,970))用于反演低矮植被CWC和VWC。基于模拟数据的结果表明,4个植被水分指数与ln (CWC)都存在明显的线性关系,基于该关系建立了CWC估算模型。该模型可以直接用于低矮植被CWC估算,并通过VWC与CWC之间的经验关系间接计算得到VWC。模型模拟结果也表明,由于NDWI_((860,1640))和NDWI_((1240,1640))高度相关(R~2=0.99),两者可以提供相似且相对较好的低矮植被CWC估算精度。基于地面实测数据的验证结果与基于模拟数据的结果表现出很好的一致性,即基于NDWI_((860,1640))和NDWI_((1240,1640))估算的VWC都有相似且较高的精度,决定系数(R~2)都为0.88,均方根误差(RMSE)分别为0.4558 kg/m~2和0.4380 kg/m~2。利用Landsat 5 TM数据对NDWI_((860,1640))估算效果的验证结果显示,模型估算CWC与地面实测CWC的R~2为0.84,RMSE为0.1342 kg/m~2,估算VWC的RMSE为0.5651 kg/m~2。本文提出的基于NDWI_((860,1640))和NDWI_((1240,1640))的CWC/VWC估算模型可被用于低矮植被的长势监测和干旱监测,为低矮植被覆盖地表的土壤水分反演提供高质量的植被水分信息。 相似文献
20.
城市植被是低碳治理的重要因素之一,其固碳能力直接影响着城市碳排放。针对现有技术耗时费力、对环境造成一定的影响,本文提出了基于高光谱数据的城市植被碳储量估算研究,以绍兴市上虞区百官街道、曹娥街道、崧厦街道的中心城区为研究区域,将城市植被分为乔木、灌木、竹林和草地4种类型。利用提出的固碳指数对植被固碳能力进行定性分析,再通过生物量经验公式对碳储量进行定量计算,将两者结合得到高光谱植被碳储量估算模型,为大尺度碳储量快速估算提供一种新思路。结果表明：4种城市植被分类精度达88.10%,固碳能力排序为竹林>乔木>灌木>草地。 相似文献