首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
吴朝阳    牛铮 《植物学报》2008,25(6):714-721
高光谱植被指数以其特有的精细光谱特征, 能够获得非常细微的植被生理状况和环境胁迫差异, 因而使遥感技术在精细农业中的应用, 尤其是在叶绿素浓度和叶面积指数的反演上面有着广阔的应用前景。然而, 现有的植被指数往往和这2个参数呈非线性关系, 且只对某一区间的数值敏感, 无法适用于其它植被覆盖程度的研究。为了寻找合适的波段位置以改善植被指数与叶绿素浓度和叶面积指数的线性关系, 去除饱和区域, 进而提高这2个参数的实际估算精度, 该文选取了叶绿素浓度和叶面积指数, 以辐射传输模型PROSPECT和SAIL为基础, 模拟了这2个参数变化对3类高光谱植被指数(归一化植被指数(NDVI)、 优化的简单比值指数(MSR)和优化的叶绿素吸收率指数(MCARI))的影响。叶绿素浓度变化敏感性分析结果表明, 对这3类植被指数而言, 750 nm 和705 nm 的叶片反射率更适合实际的叶绿素浓度反演。以750 nm 和705 nm代替 800 nm/700 nm 和670 nm成功地提高了3类植被指数与叶绿素浓度的线性相关程度, 其中MCARI705 和叶绿素浓度基本呈线性关系。叶面积指数变化敏感性分析同样显示, 以750 nm 和705 nm 组成的植被指数能够获取更可靠的叶面积指数信息, 尤其对于高植被覆盖区域。其中MCARI705 能较好地降低随叶面积指数变化的饱和程度, 相比其它植被指数, 当叶面积指数大于8时, MCARI705 才出现明显的饱和。由于冠层的尺度效应, 波段位置的选择对植被指数与叶面积指数线性关系的改善不及对叶绿素浓度明显。  相似文献   

2.
分析3个植被生化参数(叶绿素含量、叶片含水量和叶面积指数)对冠层光谱反射率变化的敏感程度以及影响波段区间,选择3个植被指数作为代价函数的优化比较对象,然后运用微粒群算法和PROSPECT+SAIL模型分别反演叶绿素含量、叶片含水量和叶面积指数,结果表明:基于植被指数作为优化比较对象的模型反演效率较全波段方法有所提高;叶绿素含量、叶片含水量和叶面积指数反演值与实测值的复相关系数分别为90.8%、95.7%和99.7%,均方根误差分别为4.73μg·cm-2、0.001 g·cm-2和0.08.采用植被指数作为优化比较对象可有效地提高基于PROSPECT+SAIL模型反演植被生化参数的精度和效率.  相似文献   

3.
植被叶面积指数(Leaf Area Index, LAI)是重要的生态学参数, 被广泛用于指示植被密度、生物量、碳、氮物质循环以及气候变化对生态系统的影响, 也作为生态过程模型的重要输入参数。地面实测高光谱遥感数据能以更高的空间分辨率及更高的光谱分辨率监测植物的光谱特征, 为精准反演LAI提供了基础。本项研究以武夷山国家公园黄岗山顶的亚高山草甸为研究对象, 通过建立多种高光谱植被指数和拟合多光谱植被指数反演叶面积指数的统计模型, 并比较高光谱与多光谱对叶面积指数反演的效果, 阐明用于反演高覆盖率亚高山草甸的最适高光谱和拟合多光谱植被指数。结果表明: 高光谱新植被指数(NVI)对于反演LAI有最好的效果, R2 = 0.85, P < 0.01; 依据高光谱NVI拟合而成的多光谱NVI反演结果次之, R2 = 0.82, P < 0.01。几种常用比值植被指数NDVI、MSR、RVI和GNDVI在高光谱和拟合多光谱反演结果中相差不大, 表现较好, R2都在0.65以上。通过对比高光谱和拟合Sentinel-2A和Landsat-8两种多光谱卫星波段的反演结果发现, 光谱响应函数中具有更窄波段范围的近红外、红、绿、蓝波段构成的植被指数可以得到更好的反演结果, 而固定波段的高光谱植被指数未必在每种植被指数中都具有最好的反演效果。同时, 发现当某种植被指数反演LAI的线性回归方程的斜率越大, 说明这种植被指数越有可能随LAI的增大而出现饱和现象, 相反的, 斜率越小则说明该种植被指数没有出现饱和现象。此外, 在研究区内使用高光谱和拟合多光谱波段植被指数法反演LAI, NDVI都获得了较好的效果, 存在很好的线性关系, 之前的很多研究和判断都认为NDVI不适用于反演高覆盖植被的LAI, 这个发现是具有意义的, 表明高覆盖植被的叶面积指数在一定范围内是能够被NDVI(应用最广泛的植被指数)较好的反演, 进一步扩展了NDVI反演LAI的适用性和可能性。  相似文献   

4.
孙林 《生态学报》2011,31(6):1641-1652
应用LOPEX'93(Leaf Optical Properties Experiment)数据,分析了统计回归模型在进行植被叶绿素和水分反演中抗土壤背景影响的能力,模型参数分别使用了:反射率及其变化形式、光谱位置变量、植被指数。在LOPEX'93数据库的植被波谱中分别加入10%-90%的实测土壤光谱信息,得到植被与土壤的混合光谱,并分析混合光谱对植被生化组分的响应。结果表明:应用反射率及其变化形式进行植被叶绿素反演时,以730nm和400nm组合的反射率和反射率倒数的对数为参数的模型具有最高的抗土壤背景能力,在土壤背景所占比例从低到高的变化过程中,以二者反射率组合为参数的模型与叶绿素的相关系数,始终保持在0.645附近,以二者反射率倒数的对数为参数的模型与植被叶绿素的相关系数保持在0.650附近;应用反射率及其变化形式进行植被含水量反演时,以1100,1170,1000,1040,1080nm组合的反射率为参数的模型以及以1170,960,1210,1090,1080,950,1220,1210nm反射率倒数的对数组合为参数的模型具有较高的稳定性,在土壤组分变化的过程中,以上模型与植被含水量的相关系数均稳定的高于0.99;对于光谱位置变量的分析中,以红边-绿峰-红谷组合的模型与植被叶绿素含量具有较高、而且稳定的相关系数,在土壤背景所占比例变化的情况下,相关系数稳定在0.53附近;在应用植被指数进行叶绿素的反演过程中,植被指数与叶绿素的相关系数在土壤背景所占比例变化的情况下变化较大,抗土壤背景的能力均较差;在应用植被指数进行植被水分含量的反演时,以水分指数Ratio975和Ratio1200相关系数最高,且在不同比例土壤背景变化下稳定,相关系数分别分布在0.980附近和0.960附近。该结果可用于指导不同植被覆盖条件下植被冠层参数的反演,提高反演的稳定性和准确性。  相似文献   

5.
基于因子分析的苜蓿叶片叶绿素高光谱反演研究   总被引:4,自引:0,他引:4  
肖艳芳  宫辉力  周德民 《生态学报》2012,32(10):3098-3106
因子分析是一种能够将具有错综复杂关系的变量归结为少数几个综合因子的多变量统计分析方法,在降低数据维数的同时又可以保存足够的信息,这为处理信息量丰富但冗余较大的高光谱数据提供了一种有效方法。本文利用2010年9月23日采集的16个样点的苜蓿叶片反射率及叶绿素含量数据,采用因子分析方法,分别提取苜蓿叶片反射率光谱400~900nm,以及可见光400nm~760nm和近红外760~900nm光谱区的公共因子,分析因子载荷分布、载荷总量对公共因子与叶绿素含量相关性的影响。利用逐步回归法建立基于公共因子的叶片叶绿素反演模型,并将反演模型与光谱指数建立的模型进行对比。研究表明,1)公共因子与叶片叶绿素的相关性,在更大程度上是与该因子在各个波段上载荷分布有关,而不是总载荷量;2)对波谱进行分区建立的反演模型略优于全区因子分析建立的反演模型;3)与常用于叶片叶绿素含量反演的光谱指数CARI、MCARI、mND680、mND705、mSR705、TVI、DmSR、BGI、BRI相比,因子分析建立的叶绿素反演模型精度更高。  相似文献   

6.
植被生化组分光谱模型抗土壤背景的能力   总被引:1,自引:0,他引:1  
应用LOPEX'93(Leaf Optical Properties Experiment)数据,分析了统计回归模型在进行植被叶绿素和水分反演中抗土壤背景影响的能力,模型参数分别使用了:反射率及其变化形式、光谱位置变量、植被指数。在LOPEX'93数据库的植被波谱中分别加入10%—90%的实测土壤光谱信息,得到植被与土壤的混合光谱,并分析混合光谱对植被生化组分的响应。结果表明:应用反射率及其变化形式进行植被叶绿素反演时,以730nm和400nm组合的反射率和反射率倒数的对数为参数的模型具有最高的抗土壤背景能力,在土壤背景所占比例从低到高的变化过程中,以二者反射率组合为参数的模型与叶绿素的相关系数,始终保持在0.645附近,以二者反射率倒数的对数为参数的模型与植被叶绿素的相关系数保持在0.650附近;应用反射率及其变化形式进行植被含水量反演时,以1100,1170,1000,1040,1080nm组合的反射率为参数的模型以及以1170,960,1210,1090,1080,950,1220,1210nm反射率倒数的对数组合为参数的模型具有较高的稳定性,在土壤组分变化的过程中,以上模型与植被含水量的相关系数均稳定...  相似文献   

7.
小麦叶面积指数与冠层反射光谱的定量关系   总被引:26,自引:4,他引:22  
在分析不同氮素水平下小麦叶面积指数(LAI)和冠层光谱反射率随生育期变化模式的基础上,确立了LAI与冠层光谱反射率及光谱参数的相关关系,提出了小麦LAI的敏感光谱参数及预测方程.结果表明,小麦LAI和近红外短波段(760~1 220 nm)反射率都随施氮量的增加呈上升趋势,可见光波段反射率则相反;从拔节期到成熟期,LAI和近红外短波段反射率均表现为先上升后下降的趋势,而可见光波段(460~710 nm)反射率随生育期的推进先降低后升高,以孕穗期反射率最低,近红外长波段区域(1 480~1 650 nm)反射率的变化与可见光部分相同.LAI与可见光波段反射率呈负相关,与近红外短波段反射率呈极显著正相关,其中以810 nm相关性最好.可以选择RVI(810,510)和DVI(810,560)作为反演小麦LAI的光谱参数.另外,在证明垂直植被指数PVI和转换型土壤调整指数TSAVI对LAI预测能力的同时,发现利用RVI(810,510)、DVI(810,560)和PVI 3个植被指数共同推算小麦LAI的准确度更高.  相似文献   

8.
湿地小叶章叶绿素含量的高光谱遥感估算模型   总被引:3,自引:0,他引:3  
通过实测不同覆盖度和水深状况下小叶章(Calamagroestis angustifolia)的冠层高光谱反射率与叶绿素a(Chl-a)浓度,采用高光谱可见光-近红外波段及其微分光谱波段(350~1050 nm)逐波段构建FNDVI、FRVI、FDVI、FDNDVI、FDRVI和FDDVI植被指数,分别找出与Chl-a具有最佳相关性波段组合的植被指数,建立小叶章Chl-a含量的最佳估算模型,并对比分析了最佳模型与线性模型的预测精度.结果显示:微分光谱植被指数与Chl-a的最佳预测模型(FDNDVI、FDRVI和FDDVI)比反射率植被指数最佳模型(FNDVI、FRVI和FDVI)的预测精度分别提高了6.86%、4.82%和10.10%;植被指数(FNDVI、FD-VI、FDNDVI和FDRVI)与Chl-a含量具有较好的线性关系,而最佳模型比线性模型预测精度仅仅提高了0.60%、1.40%、1.02%和0.93%,可以用简单的线性模型反演湿地小叶章的Chl-a含量.  相似文献   

9.
唐普恩  丁建丽  葛翔宇  张振华 《生态学报》2020,40(22):8326-8335
植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案(方案1:光谱信息和最适光谱指数联合,方案2:光谱信息和物理模型生物协变量联合,方案3:光谱信息、最适光谱指数和物理模型生物协变量联合)。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明:(1)红边波段参与的最适光谱指数比值植被指数(RVI)与棉花叶片SPAD值相关性最高r=0.767,P**=0.195;(2)将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数(RVI)与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;(3)建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3 > 模型方案1 > 模型方案2,其中方案3的决定系数R2最高为0.826,即估算模型方案3对棉花叶片SPAD值具有最好的预测能力,可以为干旱区农作物的生理参数反演提供新的思路,为农业安全监测,合理水肥配置提供科学数据支持。  相似文献   

10.
估测水稻叶层氮浓度的新型蓝光氮指数   总被引:3,自引:0,他引:3  
基于不同氮素水平与品种类型的多个田间试验,综合分析了水稻冠层高光谱植被指数与叶层氮浓度的定量关系.结果表明:对氮反应最敏感的波段为红光665~675nm、蓝光490~500nm和红边区域波段680~760nm.400~2500nm波段范围内两波段植被指数与水稻叶层氮浓度相关性最好的是550~600nm与500~550nm,属绿光波段组合,决定系数(R2)最高的是比值指数SR(533,565).以3个蓝光波段构建的光谱参数R434/(R496+R401)(蓝光氮指数)与水稻叶层氮浓度呈极显著的直线相关关系,与SR(533,565)相比,该参数显著提高了对叶层氮浓度的预测性.独立资料检验结果显示,R434/(R496+R401)对水稻叶层氮浓度具有较好的预测性,检验根均方差(RMSE)和相对误差(RE)值分别为9.67%和8%,是一种适合于水稻叶层氮浓度估测的良好高光谱植被指数.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号