排序方式: 共有27条查询结果,搜索用时 198 毫秒
1.
基于叶片光谱的森林叶绿素浓度反演研究 总被引:2,自引:0,他引:2
准确估测森林叶片叶绿素浓度有助于进一步理解和模拟森林生态系统。基于江西省千烟州试验区主要树种光谱数据和相应叶绿素浓度等化学参量数据,使用高光谱指数和偏最小二乘(PLS)回归方法进行森林叶绿素浓度的反演,对具代表性的几种叶绿素相关的光谱指数进行反演能力评价,构造出表征叶绿素吸收特征的叶绿素吸收面积指数(CAAI),发现TCAR I(改进型的叶绿素吸收比率指数)和CAAI能较好地估测试验区森林主要树种的叶绿素浓度。针对叶片生化参量之间强相关现象,首先使用了叶片生化参量吸收特征分析方法,选定特定波段。然后对叶绿素浓度进行PLS回归估测,并从PLS获得估测模型的结果来评价和解释几种高光谱指数的叶绿素反演能力。 相似文献
2.
3.
4.
应用高光谱遥感数据估算土壤表层水分的研究 总被引:8,自引:0,他引:8
土壤水分是土壤的重要组成部分,它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色,寻求快速而准确的方法估算土壤水分具有重要意义。通常,从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时,土壤水分的增加使土壤光谱反射率在整个波长范围内降低,尤其在760nm,970nm,1190nm,1450nm,1940nm和2950nm等水分吸收波段,而在土壤水分含量较高时,土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上,虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的,但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难,这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法,微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测,探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R),反射率倒数的对数(log(1/R)),反射率的一阶微分光谱(dR/dλ),反射率倒数的对数的一阶微分光谱(d(log(1/R))/dλ))与土壤表层水分之间的关系在本文中得到分析,R与log(1/R)对于不同土壤类型与土壤表层水分都很敏感,说明通过R与log(1/R)反演土壤表层水分受土壤类型的影响很大,而dR/dλ,d(log(1/R))/dλ)对土壤类型却不敏感,对土壤表层水分较为敏感,说明dR/dλ和d(log(1/R))/dλ)对于反演不同类型土壤具有很大的潜力,微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型,并其他9种土壤(各具有4个土壤水分)的数据进行验证模型,结果表明,dR/dλ和d(log(1/R))/dλ)能够显著提高R与log(1/R)对于不同土壤类型土壤表层水分的反演精度,由于吸收过程是非线性的,在四种类型的土壤光谱数据中,总体来说,d(log(1/R))/dλ)具有最好的能力预测不同类型土壤的表层水分含量。 相似文献
5.
二向反射遥感中冬小麦植被组分和土壤特性的季相变化 总被引:10,自引:1,他引:9
在二向反射物理模型的反演研究中,李小文和Strahher等提出基于知识的反演,强调了地面知识积累对反演的重要性.根据在北京、山东禹城和河北栾城等地不同年份积累的不同品种冬小麦实测数据,按照二向反射理论模型及模型反演研究的要求,分析了冬小麦群体植被组分的几何结构、光学特性和土壤光学特性等参数的季相变化特征.具体内容包括(1)叶面积指数的季相变化;(2)叶、茎、穗面积在它们总面积中比例的季相变化;(3)叶倾角分布的季相变化;(4)叶茎穗光学特性的季相变化(5)土壤背景垂直向上反射率的季相变化,文中各项季相变化特征覆盖的冬小麦生育期长.这是一份比较系统和有较好代表性的结果. 相似文献
6.
7.
金矿遥感探测之关键在于成矿构造及铁氧化物、含羟基蚀变矿物的信息提取。JERS—1SAR在构造探测方面具有很大的优势,可通过噪斑消除及边缘增强的空间滤波来提取构造信息。LandsatTM可通过主成分变换,比值分析-主成分变换来提取蚀变矿物波谱信息、抑制植被波谱干扰。这两种遥感数据的复合处理可综合蚀变与构造信息。 相似文献
8.
9.
10.
成象光谱图象光谱吸收鉴别模型与矿物填图研究 总被引:1,自引:0,他引:1
本文提出了一种光谱吸收鉴别模型,拟通过矿物光谱吸收特征的鉴别,在成象光谱上实现矿物直接识别与填图。该模型的核心是光谱吸收指数技术(SAI)。从理论上探讨了SAI的本质,应用Hapke光谱模型讨论了SAI与光谱吸收系数(d)以及单散射反照率(w)之间的函数关系,并从成象光谱图象辐射信息传递过程分析了图象SAI与光谱吸收深度的关系,而光谱吸收深度与岩石矿物成分含量之间具有定量关系,这显示了SAI提取矿物定量遥感信息能力。SAI已经成功地应用于FIMS、MAIS和GERIS图象处理与矿物填图,本文通过哈图、塔里木、以及澳大利亚松谷的实例研究,表明SAI是一种有效的提取矿物类型与丰度信息的方法。 相似文献