基于植被指数的叶绿素密度遥感反演建模与适用性研究

来源 :遥感信息 | 被引量 : 24次 | 上传用户:darkage12223
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
利用遥感数据反演叶绿素密度是对作物长势进行评估的有效手段。本文利用实测冬小麦和夏玉米两种作物、不同生育期的冠层光谱和叶片叶绿素含量数据,收集了14种光谱指数,分析各种光谱指数的叶绿素密度遥感模型的精度。优选了其中的8种植被光谱指数,建立了植被指数与叶绿素密度之间的回归模型,并利用不同生育期小麦数据和玉米数据对各模型进行验证,分析评价它们对不同生育期、不同作物类型的适用性。研究发现:利用SRI、RVI I、R-M和MTCI 4种植被指数所建模型对冬小麦不同生育期数据适用性较好,各生育期冠层叶绿素密度反
其他文献
以黄淮海为研究区,基于MODIS EVI植被指数遥感数据,利用Logistic模型对夏玉米关键物候期(苗期、拔节期、抽雄期、成熟期)进行了监测。使用地面物候观测数据对监测结果加以检验,并与其他常见的遥感监测模型进行了比较。结果表明:研究监测结果总体误差小于±6天,误差较大的区域多出现在地势较高,种植结构较复杂的地区。研究结果可为进行全球气候变化研究提供依据。
作物种植面积对调整农业结构、制定区域粮食安全政策有着十分重要的意义。本文以山东省嘉祥县为研究区,利用3景不同时相的HJ卫星CCD遥感数据,结合野外调查样本,通过分析研究区主要秋收作物(玉米、棉花和水稻)在不同生育期的光谱特征和归一化植被指数(NDVI)的特点,对分类影像进行系列阈值分割、掩膜处理,最后利用决策树算法成功提取了山东省嘉祥县的玉米、棉花和水稻的种植面积,总体精度分别达到93.31%、8
利用大气制图扫描成像吸收光谱仪(SCIAMACHY)获得的2003年到2009年7年间的全球CH4浓度产品,与全球本底观测数据进行长时间序列的对比验证。研究显示,SCIAMACHY的CH4浓度产品误差约为2%,但数据系统性偏低,相关性较差。相比本底观测方法,SCIAMACHY获得了大范围的长时间序列的CH4数据,能够在一定程度上反映全球CH4的浓度变化与时空特征。卫星与本底观测资料显示,2003年
利用双目近景摄影测量系统探测电力线与电力线或其他地物之间的距离可以用于电力巡线作业。一般设计的双目系统其基线多为水平布设,由此获取的电力线影像中电力线上某点的核线与电力线大量重合,再加之单调天空色彩为背景,这给像对上电力线同名像点的匹配的正确性与精度带来了不利影响。垂直基线即垂直于电力线走向的基线布设形式,用于电力线同名像点的匹配可以最大限度消除歧义点,并保证像素级的初次匹配精度。本文主要从非歧义
高温目标(森林火灾、草原火、煤层自燃、火山喷发等)具有显著区别于常温地物的波谱特性。马氏距离相当于加权的欧式距离,在多元统计分析中被用于多维数据的分类。分别采用马氏距离多元截尾法和马氏距离多类判别法对ETM+遥感图像进行高温目标识别,结果表明:两种方法具有较好的一致性。在异点识别的基础上,对所得结果的光谱特性深入分析,可明确所提异点的物理意义并提取真正的高温目标。经野外验证,两种方法的结合可有效提
利用目前使用较广泛的Savitzky-Golay滤波拟合法和傅立叶谐波分析法对NDVI时间序列进行滤波处理,分析植被指数时间序列滤波重建方法对北京一号小卫星数据的适用性。试验结果表明,较之Savitzky-Golay方法,傅立叶谐波改进算法的重建结果更能体现地物的物候变化规律,且对原始数据的扰动较小,更有利于基于植被指数时间序列的土地覆盖分类及作物估产等定量应用,比较适合于北京一号小卫星NDVI时