检索结果-南通市图书馆

遥感学报 2023年第7期27卷 1713-1730页

作者：韩谷怀孙元亨秦其明北京大学地球与空间科学学院北京100871 空间信息集成与3S工程应用北京市重点实验室北京100871 大连海事大学航海学院大连116026 自然资源部地理信息系统技术创新中心北京100034

地下油气(含煤层气)的烃微渗漏会引起地表土壤、植被的光谱变化。利用遥感技术探测烃微渗漏是覆盖范围大而成本低廉的煤层气前期探测新方法。然而,目前此类方法的研究主要针对裸土矿物,而对大面积植被覆盖区却研究甚少,其中重要原因便... 详细信息

地下油气(含煤层气)的烃微渗漏会引起地表土壤、植被的光谱变化。利用遥感技术探测烃微渗漏是覆盖范围大而成本低廉的煤层气前期探测新方法。然而,目前此类方法的研究主要针对裸土矿物,而对大面积植被覆盖区却研究甚少,其中重要原因便是烃微渗漏对植被根系毒害的生物物理过程复杂,可用于提取植被异常区的光谱特征含糊不清。而根据少量采样光谱选取的光谱特征也有偶然性,导致提取结果的精度较低。因此,本文首先探讨烃微渗漏对植被根系毒害的机理并基于prosail模型优选光谱特征,然后利用实验区大量煤层气采集井统计最受烃微渗漏影响的异常植被光谱,并与对照区植被光谱对比,最后利用Sentinel-2/MSI数据以及合适的特征组合阈值提取烃微渗漏区并验证。在山林区能达到采集井60 m缓冲区内植被样本80%召回率与对照区植被样本5%误分率左右的平衡,表明了本文方法的有效性。本文分析与优选烃微渗漏影响的植被光谱特征并利用多光谱数据构建光谱指数提取烃微渗漏植被异常的方法,可为遥感提取烃微渗漏植被异常研究提供参考。

关键词：煤层气烃微渗漏植被遥感 prosail模型沁水盆地

在线全文

学校读者我要写书评

暂无评论

考虑植被端元变异性的光谱解混方法

遥感学报 2023年第2期27卷 456-470页

作者：韦钦桦罗文斐唐凯丰华南师范大学地理科学学院广州510631

植被光谱变异性广泛存在于遥感图像当中,本文尝试通过prosail辐射传输模型来描述植被端元变异性,并提出一种光谱解混方法,实现逐像元地估计植被变异性端元。具体地,面向植被—土壤背景两端元的场景,在非负矩阵分解框架下,利用prosail辐... 详细信息

植被光谱变异性广泛存在于遥感图像当中,本文尝试通过prosail辐射传输模型来描述植被端元变异性,并提出一种光谱解混方法,实现逐像元地估计植被变异性端元。具体地,面向植被—土壤背景两端元的场景,在非负矩阵分解框架下,利用prosail辐射传输模型从机理上描述植被端元的变异性,并通过两组神经网络来分别实现辐射传输模型的反演与正算,从而更高效地拟合植被端元,最终得到一种能逐像元求解变异性植被端元的光谱解混算法。由于该方法求解了植被端元的空间变异光谱,因此,能够对植被参数遥感反演的尺度效应进行纠正。为此,本文进一步以LAI尺度效应为例,通过无人机图像实验来验证该方法的有效性。实验结果得出,经过光谱解混方法处理后,该方法能较准确地估计植被端元,并能使LAI尺度效应均方根误差RMSE能够从0.2151降低到0.0896,有望提升遥感植被信息提取的精度。

关键词：遥感光谱解混端元变异性 prosail模型叶面积指数神经网络尺度效应

基于吉林一号光谱星影像的农作物叶面积指数反演

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2023年第4期38卷 816-826页

作者：杜一博朱瑞飞巩加龙王栋钟兴长光卫星技术股份有限公司吉林长春130000 吉林省卫星应用重点实验室吉林长春130000

吉林一号光谱星的发射提高了我国对地观测能力,并且在农业定量反演方面具有较大的潜力,为了准确、有效地反演农作物关键参数,分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区... 详细信息

吉林一号光谱星的发射提高了我国对地观测能力,并且在农业定量反演方面具有较大的潜力,为了准确、有效地反演农作物关键参数,分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区,基于吉林一号光谱星影像,使用优化后的prosail模型和曲线匹配算法,对不同物候期内的玉米和水稻叶面积指数(LAI)进行了反演,并结合实测LAI数据进行了精度验证。结果表明:优化后的prosail模型其参数范围和参数步长更适用于农作物LAI反演,在保证精度的前提下精简了查找表的容量;基于特征值的曲线匹配算法在空间分布高度一致、误差绝对值均值为0.41的情况下,计算效率平均提高了41.43%;研究区不同物候期内的玉米和水稻LAI反演精度R^(2)为0.72~0.9,RMSE为0.32~0.49。其中,玉米开花期精度最高(R^(2)=0.9,RMSE=0.4),玉米成熟期精度最低(R^(2)=0.72,RMSE=0.47)。综上所述,基于吉林一号光谱星影像反演农作物LAI具有精度高、误差小的特点,研究结果可为该数据在农作物LAI精准反演方面提供科学方法和依据。

关键词：吉林一号光谱星农作物 prosail模型叶面积指数

在线全文

学校读者我要写书评

暂无评论

基于鬣狗算法神经网络反演林地叶面积指数

西南大学学报（自然科学版） 2022年第12期44卷 176-185页

作者：冷欣洪增宇东北林业大学机电工程学院哈尔滨150040

针对遥感影像的神经网络模型对林地叶面积指数(LAI)反演容易陷入局部最优、收敛效率低等问题,提出基于GF-1遥感影像和prosail模型反演数据建立鬣狗算法神经网络模型,并与BP神经网络模型进行对比.结果表明,BP神经网络训练集的均方根误差(... 详细信息

针对遥感影像的神经网络模型对林地叶面积指数(LAI)反演容易陷入局部最优、收敛效率低等问题,提出基于GF-1遥感影像和prosail模型反演数据建立鬣狗算法神经网络模型,并与BP神经网络模型进行对比.结果表明,BP神经网络训练集的均方根误差(RMSE)值为0.140,验证集RMSE值为0.137,测试集决定系数(R^(2))为0.525;鬣狗神经网络训练集的RMSE值为0.131,验证集RMSE值为0.132,测试集决定系数(R^(2))为0.703.本研究提出的鬣狗算法,可提升神经网络模型的反演性能,为GF-1卫星在大范围林地LAI反演的应用推广提供了方法思路.

关键词：叶面积指数 prosail模型 BP神经网络鬣狗算法

在线全文

学校读者我要写书评

暂无评论

卫星光谱尺度农作物冠层叶绿素含量遥感估算

卫星光谱尺度农作物冠层叶绿素含量遥感估算

作者：金俊南京信息工程大学

学位级别：硕士

冠层叶绿素含量(Canopy Chlorophyll Content,CCC)与农作物的生长状况息息相关,准确估算冠层叶绿素含量对农业生产管理至关重要。冠层叶绿素含量受叶面积指数(Leaf Area Index,LAI)和叶倾角分布影响,冠层叶绿素含量和叶面积指数相关,所... 详细信息

冠层叶绿素含量(Canopy Chlorophyll Content,CCC)与农作物的生长状况息息相关,准确估算冠层叶绿素含量对农业生产管理至关重要。冠层叶绿素含量受叶面积指数(Leaf Area Index,LAI)和叶倾角分布影响,冠层叶绿素含量和叶面积指数相关,所以叶倾角分布是影响冠层叶绿素含量的唯一结构参数。反演叶绿素含量常用植被指数(Vegetation Index,VI),目前构造植被指数的研究过程中很少考虑多种农作物叶倾角分布的影响,且使用模型模拟数据构建冠层叶绿素含量反演模型过程中,同样很少考虑实际测量数据的噪声影响。因此本文开展了基于不同光谱尺度卫星反射率下的农作物冠层叶绿素含量估算研究,一方面使用11个通用植被指数模型构建对CCC敏感的植被指数,另一方面,利用6种算法(偏最小二乘回归、支持向量回归、随机森林回归、长短期记忆网络、卷积神经网络和深度神经网络),探讨不同光谱尺度卫星数据添加1%,3%,5%和10%的高斯噪声对构建冠层叶绿素含量估算模型的影响。论文的主要成果和结论如下:(1)在不同光谱尺度卫星数据上构建顾及叶倾角分布的CCC敏感植被指数。通过实测数据和模型数据,在不同光谱尺度上构建顾及叶倾角分布的CCC敏感植被指数,最佳的敏感植被指数分别为:Sentinel-2的土壤调节指数SAI(B6、B7),World View-2的Verrelts三波段指数BSI-V(NIR1、Red、Red Edge),Rapid Eye的Tian三波段指数BSI-T(Red Edge、Green、NIR)和高分6的差值指数DI(B6、B4)。构建的敏感植被指数在模型模拟数据中的表现与实测数据中表现一致,最优敏感植被指数与CCC具有很强的相关性(实测数据上的R在0.76-0.80之间,模型模拟数据上的R在0.84-0.95之间),与MTA无相关性(实测数据的R为0.00,模型模拟数据上的R在0.00-0.04之间)。(2)使用不同卫星光谱尺度反射率数据构建CCC反演模型。反演效果最好的是Sentinel-2数据(实测数据的R在0.77-0.84之间,模型模拟数据的R在0.97-1之间),反演效果最好的算法是支持向量回归(实测数据的R在0.83-0.84之间,模型模拟数据的R在1附近)。(3)构建基于不同噪声不同光谱尺度卫星反射率的CCC反演模型。PROASAIL模型模拟的不同尺度的反射率数据不添加噪声时建模R接近于1,随着数据噪声的加大,R逐渐降低,不同光谱尺度反射率数据估算CCC的差异愈加明显,Sentinel-2数据反演CCC表现优异。添加3%的噪声时,不同尺度的光谱数据反演差异开始显现。添加3%-5%噪声的数据构建反演模型,其效果接近用实测数据构建反演CCC模型的精度。(4)适当添加噪声能提高模型反演的精度。添加3%噪声的prosail模型模拟的数据,结合实测数据混合反演CCC的最优模型,比不添加噪声的数据结合实测数据构建的最优反演模型的R提高0.02,RRMSE降低0.03。

关键词：冠层叶绿素含量叶倾角分布植被指数机器学习 prosail模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多角度遥感的叶面积指数反演

多角度遥感的叶面积指数反演

作者：孔祥玉天津师范大学

学位级别：硕士

叶面积指数（Leaf Area Index,LAI）反映了生态系统中植被冠层结构特征和生物物理变化规律,已被广泛应用于生态系统碳循环、全球气候模型等众多陆表生态生物模型的研究中。因此,如何快速实时地获取大面积、高质量的LAI成为了定量遥感研... 详细信息

叶面积指数（Leaf Area Index,LAI）反映了生态系统中植被冠层结构特征和生物物理变化规律,已被广泛应用于生态系统碳循环、全球气候模型等众多陆表生态生物模型的研究中。因此,如何快速实时地获取大面积、高质量的LAI成为了定量遥感研究的热点问题之一。目前在利用遥感数据实现LAI的反演中,受限于反演方法的局限性和不充足的观测数据,导致反演结果精度低。针对这一问题,可以充分利用多角度遥感观测数据中提供的丰富地物结构信息,从传统的单一天顶方向反演改善为由多个角度解译信息的反演方法。本研究提出了一种适用于多角度遥感的LAI反演方法,基于广泛应用于植被反演的prosail模型与核驱动的BRDF模型,利用LANDSAT多光谱反射率数据和MODIS BRDF产品（MCD43A1）反演了多角度LAI。对比MODIS LAI产品（MOD15A2H）和地面实测LAI数据,验证了反演方法的可行性和反演结果的精度。主要研究内容和结论如下:（1）基于prosail模型分析了LAI的敏感性。采用RMSE和EFAST两种方法定量评价了LAI对模型模拟反射率在参数和角度上的敏感关系,确定了LAI变化会引起模拟反射率的显著变化,并主要表现在热点及其附近的几何位置;同时考虑prosail模型的BRDF效应,进一步分析了LAI对核驱动模型3个核系数的影响机制,结果均为较高敏感性。（2）耦合prosail模型与核驱动模型,及改善其耦合差异。通过比较两个模型在模拟多角度反射率上的差异,发现模型耦合具有较好一致性但热点附近差异较大。为改善模型间的耦合差异,对核驱动模型的热点效应问题进行了讨论。基于已有研究,我们提出了以不同太阳天顶角划定热点因子的新思路,最终引入热点因子改进后的RTLSR＿C模型显著提高了热点方向的模拟反射率,有效优化了模型的耦合效果。（3）基于prosail模型和核驱动模型反演多角度LAI。建立充足LAI采样值与prosail模拟多角度反射率间的关系查找表,借助于MODIS LAI产品的备用算法建立了NDVI与LAI的统计关系,通过比较计算地表观测的NDVI初步筛选出可能的LAI取值范围,有效地提高了反演精度和速度。利用LANDSAT反射率数据反演了天顶方向LAI,以及利用MODIS BRDF产品通过模型耦合拟合多角度反射率,从而反演了天顶和冷、热点方向LAI。最终对比MODIS LAI产品和地面实测数据进行精度验证。结果表明,LAI反演结果在空间上连续性好,冷、热点方向的反演结果精度高于单一天顶方向。因此,本文利用多角度遥感反演LAI的方法是可行的,能提高一定的反演精度,该方法可进一步应用于任意角度下的LAI反演。

关键词：叶面积指数多角度遥感 prosail模型核驱动模型敏感性分析

基于Sentinel-2波段的农作物冠层结构参数估算研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Sentinel-2波段的农作物冠层结构参数估算研究

作者：朱苏楠南京信息工程大学

学位级别：硕士

叶面积指数(Leaf Area Index,LAI),平均叶倾角(Mean Tilt Angle,MTA),植被覆盖度(Fractional Vegetation Cover,Fcover)作为冠层结构参数能够直接影响作物冠层截获太阳能比例,从而影响光合作用,是实现精准农业必备的数据源。遥感技术的... 详细信息

叶面积指数(Leaf Area Index,LAI),平均叶倾角(Mean Tilt Angle,MTA),植被覆盖度(Fractional Vegetation Cover,Fcover)作为冠层结构参数能够直接影响作物冠层截获太阳能比例,从而影响光合作用,是实现精准农业必备的数据源。遥感技术的发展为大面积获取冠层结构参数提供了有效手段,Sentinel-2拥有专门设计的红边波段,可以用来传达大范围植被冠层结构参数信息。机器学习算法的发展也为遥感反演带来了新的突破。由于缺少Sentinel-2影像下的大面积的田间实测数据,本文从航空实测数据和prosail模拟数据出发,围绕Sentinel-2重采样波段进行作物冠层结构参数研究,主要研究内容及结论如下:(1)探讨Sentinel-2波段结合机器学习估算冠层结构参数的能力。通过研究区域航空高光谱数据重采样成的Sentinel-2波段和植被指数,基于4种机器学习回归算法(随机森林、支持向量机、偏最小二乘、多层感知机),构建冠层结构参数估计模型,并使用prosail模拟数据进行验证。结果表明,Sentinel-2波段6与MTA具有很强的相关性(实测数据R=0.87,模拟数据R=0.79)但与LAI的相关性却很小(实测数据R=0.06,模拟数据R=0.07);4个基于红边波段的指数(NDVI、CI、WDRVI、MSR)与LAI具有中等强度的相关性(R=0.55～57),但与MTA的相关性较弱(R=0.05～0.07);使用多层感知机算法结合4个10 m波段数据准确估算MTA(RMSE=2.24°);使用MLP算法和优化后的指数可以改进MTA的估计(RMSE=1.50°)。使用prosail模拟数据进行验证时,随着样本增加,预测精度也会增加,最终趋于饱和,说明Sentinel-2中的光谱带中包含植被结构信息,在拥有足够数量的实测数据情况下,机器学习算法能够从光谱数据中检索出冠层结构参数信息。(2)探讨prosail模拟与机器学习算法估算冠层结构参数的能力。通过田间测量的作物参数和prosail模型模拟5000组数据,建立Sentinel-2重采样波段数据和植被指数,通过4种回归算法构建冠层结构参数估算模型,使用实测数据验证模型。结果表明:由于训练样本较多,模型准确率趋于饱和;模型在估算实测MTA时有着非常高的精度(使用波段数据:R=0.92,使用指数数据:R=0.89),进一步证明了Sentinel-2光谱波段结合机器学习算法有估算大规模田间作物MTA的可行性,同时也为地面实测数据较少时构建冠层结构参数反演模型提供了一种新的思路。

关键词：冠层结构参数 prosail模型 Sentinel-2 植被指数机器学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

胡杨与灰胡杨的光谱特征分析及数字制图研究

胡杨与灰胡杨的光谱特征分析及数字制图研究

作者：邹德秋塔里木大学

学位级别：硕士

胡杨与灰胡杨作为塔里木河流域特有植被资源,维护着荒漠河岸生态系统的稳定性。由于胡杨林的生境逐渐恶化,其生理学指标也随之发生相应变化。利用遥感技术对胡杨林的生理学指标进行反演建模,能够为胡杨林的健康监测提供技术支撑,从而为... 详细信息

胡杨与灰胡杨作为塔里木河流域特有植被资源,维护着荒漠河岸生态系统的稳定性。由于胡杨林的生境逐渐恶化,其生理学指标也随之发生相应变化。利用遥感技术对胡杨林的生理学指标进行反演建模,能够为胡杨林的健康监测提供技术支撑,从而为塔里木河流域胡杨林的生态保育提供理论基础。本研究通过采集不同月份的胡杨与灰胡杨叶片样本,并获取光谱反射率数据,分析不同时期胡杨与灰胡杨光谱反射率及生理学指标的变化特征,并通过PROPECT-SAIL模型模拟冠层光谱,构建胡杨与灰胡杨冠层的生理生化组分模型,利用高光谱影像完成胡杨与灰胡杨生理生化组分的数字制图研究,主要分析结论如下:(1)不同时期胡杨与灰胡杨叶片含水量(LWC)总体变化趋势基本一致,胡杨与灰胡杨在7月份LWC均有下降趋势,此时胡杨与灰胡杨的蒸腾或蒸发大于吸水,造成叶片中水的积累下降。整体上,灰胡杨叶片LWC高于胡杨,8月份灰胡杨叶片LWC显著高于胡杨(P模型模拟了胡杨与灰胡杨的冠层光谱,构建了基于支持向量机(SVM)与偏最小二乘(PLSR)的LWC、Chl a、Chl b、Chl a+b、N和P估算模型,结果表明灰胡杨二阶导数变换光谱与LWC构建的SVM估测模型最优,建模参数与验证参数均通过了精度验证,其R分别为0.897、0.785,RMSE分别为0.015、0.378,RPD分别为2.737、2.026,RPD均大于2,可以准确地估算样本。同时,灰胡杨建模精度普遍优于胡杨建模精度,且SVM模型精度要优于PLSR模型,这也为后续构建基于影像的生理学指标估测模型提供了依据。(4)通过支持向量机的方法对研究区珠海一号(OHS)影像进行分类,分类总精度为89.01%,Kappa系数为0.873,分类精度符合后续研究需要。同时,使用OHS高光谱影像对胡杨生理学指标构建SVM模型,结果表明Chl a+b与N估测模型的精度最高,并根据构建的模型,实现了胡杨与灰胡杨Chl a+b与N的反演制图。

关键词：胡杨灰胡杨生理学指标高光谱 prosail模型数字制图

基于高光谱数据的柑橘冠层叶绿素含量反演研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高光谱数据的柑橘冠层叶绿素含量反演研究

作者：宋莹莹桂林理工大学

学位级别：硕士

叶绿素是作物生长中的重要指标,准确、快速、无损的检测出柑橘叶片中的叶绿素含量,对柑橘果树的健康状况监测、农业灌溉与调控施肥等具有重要意义。无人机(UAV)高光谱和地面ASD高光谱分别具有270个波段、2151个波段的植被反射信息,可以... 详细信息

叶绿素是作物生长中的重要指标,准确、快速、无损的检测出柑橘叶片中的叶绿素含量,对柑橘果树的健康状况监测、农业灌溉与调控施肥等具有重要意义。无人机(UAV)高光谱和地面ASD高光谱分别具有270个波段、2151个波段的植被反射信息,可以更好的表征作物养分含量以及长势信息,是探测植被叶绿素含量的重要手段,对UAV和ASD高光谱数据进行光谱变换及特征优选后,输入机器学习模型能够准确反演柑橘冠层叶绿素含量;prosail模型通过敏感性分析及不断优化输入参数,可以模拟出与地面ASD数据相同波段的光谱,并提高反演能力。因此,本文基于UAV高光谱、ASD高光谱,以及PROASAIL模拟的高光谱数据,分别对其进行多元散射校正、连续小波变换等一系列光谱变换,并进行特征优选及建立反演模型,实现准确反演柑橘冠层叶绿素含量。主要研究内容和结论如下:(1)基于UAV高光谱构建柑橘冠层叶绿素含量指标反演模型:SNV-D1光谱变换可以有效改善光谱噪声及基线漂移带来的影响,RF-RFE特征初选和PCA特征优选方法既避免了光谱数据多重共线性的干扰,又保留了高光谱数据原有的光谱信息,为建立高精度的SVR预测模型提供了良好的输入数据;(2)基于ASD高光谱联合连续小波变换构建橘冠层叶绿素反演模型:使用710～760nm波段附近的小波系数建立回归模型可以较好地预测柑橘冠层叶绿素,小波变换能较好地消除波段间的相关性,冠层ASD光谱在经过cgau8小波基函数变换后,使用SVR算法进行建模时,模型精度最高,决定系数为0.8687,说明该模型能更好地反演柑橘冠层叶绿素含量;(3)利用prosail模型模拟柑橘冠层光谱并反演柑橘冠层叶绿素,联合机器学习偏差补偿方法提高反演精度:采用EFAST敏感性分析以确定输入参数,并验证模拟光谱的有效性,基于最优小波基函数对模拟光谱进行预处理及特征提取,采用机器学习算法SVR模型对prosail模型进行偏差补偿,最终构建出SVR-prosail模型以实现对柑橘冠层叶绿素含量的反演研究,该模型的反演精度优于以UAV高光谱及ASD高光谱构建的模型,决定系数为0.9183,进一步验证了SVR-prosail模型的有效性。为快速、准确、无损检测到柑橘冠层叶绿素含量提供型依据,从而达到叶绿素的定量反演。

关键词：叶绿素高光谱 prosail模型机器学习柑橘