排序方式： 共有3条查询结果，搜索用时 62 毫秒
1
1.
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
2.
首先获取叶片去除表面蜡质层前后光谱反射率,比较分析叶片表面蜡质层的光谱特征,探究叶片去除蜡质层前后叶片反射率的变化.结果表明:叶片去除蜡质层后在400～2500 nm光谱区间反射率发生较明显改变;去除蜡质层对植被红边参数没有影响,并不会导致"红边"移动,叶片表面的蜡质并不影响绿色植被所特有的反射特征;不同叶片蜡质层对不同植被影响不同,叶片反射曲线不是叶片表面蜡质反射曲线和经去蜡质处理的叶片反射曲线简单的线性叠加.植被叶片的光谱定量分析可为公路植被遥感环境评价提供支持. 相似文献
3.
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
1