检索结果-南通市图书馆

植被结构特征对MODIS光谱干旱指数的影响

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2015年第4期35卷 982-986页

作者：杜灵通田庆久王磊宁夏大学西北退化生态系统恢复与重建教育部重点实验室宁夏银川750021 南京大学国际地球系统科学研究所江苏南京210093

基于MODIS光谱反射信息的干旱指数在农业生产实践中有广泛的应用。利用prosail模型和山东2010年的观测数据,研究了植被叶面积指数和生理生长周期等结构特征对MODIS光谱干旱指数的影响。结果表明,MODIS近红外与短波红外三个波段的反射率... 详细信息

基于MODIS光谱反射信息的干旱指数在农业生产实践中有广泛的应用。利用prosail模型和山东2010年的观测数据,研究了植被叶面积指数和生理生长周期等结构特征对MODIS光谱干旱指数的影响。结果表明,MODIS近红外与短波红外三个波段的反射率随植被叶片含水量变化明显,由他们构建的五种MODIS光谱干旱指数能够监测植被叶片水分含量。然而,各干旱指数均受叶面积指数(LAI)的影响,在LAI较低时影响较为严重,随着LAI的增大,这一影响逐渐减弱;植被生理生长周期也会影响干旱指数的大小。因此,在使用MODIS光谱干旱指数进行区域干旱监测时,必须考虑植被结构特征,谨慎分析监测结果。研究结论将为干旱遥感监测提供理论基础。

关键词：植被结构特征 MODIS 光谱干旱指数叶片含水量 prosail

在线全文

学校读者我要写书评

暂无评论

土壤背景对冠层NDVI的影响分析

遥感技术与应用 2006年第2期21卷 142-148页

作者：唐怡刘良云黄文江王纪华北京师范大学地理学与遥感科学学院遥感科学国家重点实验室北京100875 国家农业信息化工程技术研究中心北京100089

归一化差值植被指数NDV I是植被遥感中应用最为广泛的指数之一,但它受土壤背景等因素的干扰比较强烈。结合实测的土壤数据以及公式推导、PROSA IL模型模拟等方法分析了这种影响。首先,假定与土壤线性混合且叶片呈水平分布的植被冠层,根... 详细信息

归一化差值植被指数NDV I是植被遥感中应用最为广泛的指数之一,但它受土壤背景等因素的干扰比较强烈。结合实测的土壤数据以及公式推导、PROSA IL模型模拟等方法分析了这种影响。首先,假定与土壤线性混合且叶片呈水平分布的植被冠层,根据土壤与植被分别在红光、近红外波段处的反射率值、植被覆盖度等参数,利用公式推导了土壤背景对不同覆盖度下冠层NDV I的影响。其次,利用PROSA IL冠层光谱模拟模型,模拟分析了土壤背景对不同LA I下冠层NDV I的影响。分析的结果表明:LA I越小,土壤背景的影响越大;暗土壤背景下的冠层NDV I值大于亮土壤背景下冠层的NDV I值;并且,暗土壤条件下,NDV I值对土壤亮度的变化更敏感,而亮土壤下,NDV I值则对LA I或覆盖度的变化更敏感。最后利用实测的不同土壤背景下的冬小麦冠层光谱数据,验证了公式推导和模型模拟的结果。

关键词： NDVI 土壤线 prosail LAI 覆盖度

ASAR和TM数据协同反演植被覆盖地表土壤水分的新方法

在线全文

学校读者我要写书评

暂无评论

中国科学：地球科学 2011年第4期41卷 532-540页

作者：余凡赵英时中国测绘科学研究院北京100830 中国科学院研究生院北京100049

考虑到主动微波和被动光学遥感数据反映地表土壤水分的各自优势,提出一种ASAR数据和TM数据协同反演植被覆盖土壤水分的半经验耦合模型.该模型通过简化MIMICS模型,将研究对象分为植被冠层和土壤层两部分,模拟了冠层叶片含水量与单位体积... 详细信息

考虑到主动微波和被动光学遥感数据反映地表土壤水分的各自优势,提出一种ASAR数据和TM数据协同反演植被覆盖土壤水分的半经验耦合模型.该模型通过简化MIMICS模型,将研究对象分为植被冠层和土壤层两部分,模拟了冠层叶片含水量与单位体积内植被消光系数,后向/双向散射系数的经验关系,减少了模型的输入参数,使模型最关键的输入参数为光学易于反演的叶面积指数LAI.LAI采用prosail模型进行反演,实现微波和光学模型的耦合,并引入植被均方根高度(Sveg)来修正冠层重叠造成的雷达阴影效应,然后对半经验模型的系数进行了参数敏感性分析,发现在LAI较小时(LAI≤3),模型更为适用.最后,选用甘肃黑河试验区的TM,ASAR数据,利用耦合模型生成了研究区土壤水分布图,并利用地面实测数据对该耦合模型和MIMICS模型进行比较验证.结果表明:通过对雷达阴影效应的校正,该模型反演的地表土壤水分与实测值的平均相对误差Er从17.6%减小到10.4%,RMS从0.055降低到0.031g/cm3.同时,耦合模型的反演效果明显好于MIMICS模型单独反演的结果(Er=22.7%,RMS=0.068g/cm3);表明在LAI较小的区域,该主被动遥感耦合模型能有效的反演土壤水分,取得较好的反演精度.

关键词：微波光学遥感 MIMICS prosail 土壤水分

在线全文

学校读者我要写书评

暂无评论

植被遥感识别与叶面积指数反演方法研究

植被遥感识别与叶面积指数反演方法研究

作者：董洲安徽大学

学位级别：硕士

遥感作为新型的综合性探测技术,具有客观、实时、无损的特性,在植被类型判别和长势监测中发挥了其显著的优势,为及时、准确地获取大范围的植被分布信息提供了数据支持。尤其在高光谱分辨率、高空间分辨率以及高时间分辨率卫星遥感技术... 详细信息

遥感作为新型的综合性探测技术,具有客观、实时、无损的特性,在植被类型判别和长势监测中发挥了其显著的优势,为及时、准确地获取大范围的植被分布信息提供了数据支持。尤其在高光谱分辨率、高空间分辨率以及高时间分辨率卫星遥感技术快速发展的背景下,加之与地理信息系统技术的结合,使得植被遥感监测的精度逐步提高。本文首先分析了基于监督分类的植被遥感识别方法的识别能力,其次,结合物理传输模型数据对植被的一个重要物理参数——叶面积指数(LAI)进行反演,最后在以上研究的基础上生成了一款LAI反演系统以简化数据的处理流程。本文的主要研究内容及实验结果如下：1)研究采用基于像元的监督分类方法(支持向量机、最大似然和马氏距离)和面向对象方法(基于对象属性的支持向量机分类)进行植被的遥感识别并对分类结果进行对比分析。结果表明：在3种基于像元光谱信息的监督分类算法中,支持向量机算法的识别精度相对较高,表现在这一类型的生产者精度和用户精度均大于另外2种算法,并且,该算法的总体分类精度也最高(81.15%),明显优于最大似然(73.33%)和马氏距离(61.77%)。然而,融入了空间信息进行分类的面向对象方法(合并尺度97)的总体识别精度高达89.24%,并且随着对象合并尺度的增大,错分和漏分比例明显降低。这一结果表明支持向量机的分类方法的识别效果较好,且通过引入对象的空间纹理属性,能够进一步削弱噪声、提高识别精度。2)提出以物理模型(PROS AIL)数据为建模数据,分别构建了基于归一化植被指数(NDVI)、比值植被指数(RVI)和基于支持向量机(SVM)的多光谱LAI反演模型：NDVI-LAI、RVI-LAI及SVM-LAI,并通过实测数据进行LAI的反演。通过与实测LAI对比验证发现：NDVI-LAI和RVI-LAI的反演效果不佳(R21.1),且具有饱和效应;SVM-LAI模型的反演精度高于基于植被指数的反演模型,对于ASD数据和TM5数据反演结果的决定系数(R2)都较高,分别为0.7858和0.7447,有很好的抗饱和能力。最后使用降维算法(LLE和PCA)对高光谱数据进行降维,构建了两种高光谱LAI反演方法(LLE-SVM和PCA-SVM),通过验证结果发现,模型数据与实测值之间的差异性导致降维变换后的数据反演效果不理想(R21.5)。3)使用.NET平台的C#语言和外部算法库(GDAL和LIBSVM)生成一个LAI反演系统。系统功能包括：植被盖度提取、图像的多通道显示、植被指数的计算、LAI的反演、批量处理、输出数据的可视化分析等。系统算法中集成了基于植被指数(NDVI和RVI)的LAI反演算法以及基于SVM的分类和LAI反演方法。该系统简化了反演数据的处理流程,提升LAI反演和数据分析的效率。

关键词：遥感识别叶面积指数 prosail 反演系统

基于Landsat ETM+数据和辐射传输模型的水稻叶面积指数反演

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Landsat ETM+数据和辐射传输模型的水稻叶面积指数反演

作者：魏珊珊东北师范大学

学位级别：硕士

叶面积指数（Leaf Area Index, LAI）指单位地表面积上单面绿叶面积的总和，是一个很重要的生物物理参数，它与作物的长势及产量密切相关，能够提供作物生长的动态信息,是许多植被-大气相互作用模型，特别是关于碳循环和水循环的模型中... 详细信息

叶面积指数（Leaf Area Index, LAI）指单位地表面积上单面绿叶面积的总和，是一个很重要的生物物理参数，它与作物的长势及产量密切相关，能够提供作物生长的动态信息,是许多植被-大气相互作用模型，特别是关于碳循环和水循环的模型中的关键参数。由于目前LAI产品在反演LAI产品时没有考虑到水稻生长环境的特殊性，从而在反演模型中对土壤背景进行了过于简单的设置，必然导致水稻LAI产片的误差增大。针对以上问题，本文采用研究区内2003年11月5日的Landsat ETM+遥感数据，结合prosail模型，利用神经网络方法对水稻LAI反演进行了系统的研究，最后结合同年10月23日的植被光谱库中的实测LAI值作为验证数据对反演数据进行了验证。本文主要研究工作包括：1)数据的收集与预处理。包括遥感数据ETM+数据的下载和大气校正，实测光谱库数据的收集与整理。2)对prosail模型的敏感参数进行分析，并结合水稻在该时期各参数的变化情况，确定了叶绿素AB含量，叶子等效水厚度，叶面积指数和土壤反射率4个敏感因子，并进行了模拟光谱与实测光谱的对比进行正向模型的验证。3)基于prosail模型，以一定步长变化敏感参数，正向模拟了18000条反射率数据集，作为神经网络建模时的训练数据和验证数据。4)利用BP神经网络对模型模拟数据进行训练，建立LAI反演模型。并用训练得到的反演模型用于遥感数据的LAI反演。5)利用实测数据对反演结果进行检验。结果表明神经网络模型方法建立的模型可以反映LAI的分布情况，但是由于反演过程中的各项原因，反演结果比实测结果偏低。

关键词： LAI prosail 神经网络水稻 Landsat ETM+

川西高原植被冠层生态水遥感量化与反演及时空分布研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

川西高原植被冠层生态水遥感量化与反演及时空分布研究

作者：罗登成都理工大学

学位级别：硕士

陆表植被生态水(层)指与植被紧密相关的储水体(包括植被叶面冠层、茎枝层和根系土壤层/腐殖层),可对大气降水起到缓存、分配与调节作用,是水文循环的重要环节和研究难点。川西高原处于青藏高原与四川盆地的过渡区域,地形复杂,高差悬殊,... 详细信息

陆表植被生态水(层)指与植被紧密相关的储水体(包括植被叶面冠层、茎枝层和根系土壤层/腐殖层),可对大气降水起到缓存、分配与调节作用,是水文循环的重要环节和研究难点。川西高原处于青藏高原与四川盆地的过渡区域,地形复杂,高差悬殊,垂直气候特征明显,是四川的自然生态屏障、生态脆弱区和敏感区。该地区的植被生态水(层)结构复杂、难以量化以及森林植被类型多样等问题导致难以建立普适的生态水反演模型。这使得探明该区域的森林植被冠层生态水储量及其时空分布存在困难。针对上述问题,提出基于物理模型prosail和机器学习的混合反演策略来建立研究区森林植被冠层生态水遥感反演模型,然后借此分析森林植被冠层生态水的时空变化规律,探讨水热条件等因素对植被冠层生态水的影响。本文将prosail与混合像元分解模型耦合,依据前人研究成果和敏感性分析结果确定耦合模型的参数取值范围并据此生成12万份冠层反射率样本,再根据这些样本建立Sentinel-2 MSI影像特征因子-植被冠层含水量的查找表。随后把查找表随机分成训练集和测试集,将训练集输入到神经网络、随机森林中训练。再根据测试集以及野外数据和遥感数据组成的验证集分别评价模型的拟合能力和鲁棒性,据此选择最优模型反演阿坝州四季(2、5、8、11月)的森林植被冠层生态水。最后采用统计方法分析阿坝州森林植被冠层生态水的时空分布及其驱动因素造成的时空差异。主要研究成果与创新认识如下:(1)使用prosail与混合像元分解的耦合模型研究植被冠层生态水prosail与混合像元分解模型具有明确的物理意义,耦合后可得到像元尺度的冠层反射率,可用来研究对植被冠层生态水敏感的波段以及植被指数,据此建立的反演模型也具有更好的普适性。敏感性分析结果表明,对植被冠层生态水响应较好的波段是B8A、B11、B12,响应较好的植被指数是NDII、MSI。(2)采用基于物理模型与机器学习的混合反演策略将物理模型创建的查找表输入到机器学习中训练,既简化了物理模型复杂的计算过程,又解决了机器学习依赖样本的问题。本文选择了随机森林和神经网络两种机器学习模型作对比,它们的判定系数R分别为0.93、0.77,均方根误差RMSE分别为3、7 Mg ha。两种模型在野外验证数据集上R分别为0.63、0.44,RMSE分别为3.9、7.7 Mg ha。最终确定了prosail+随机森林的模式。(3)阿坝州的植被冠层生态水时空分布特征与驱动因素研究区植被冠层生态水呈现东高西低的分布特征,这是由于降水和气温的差异使得森林覆盖率沿西向东逐渐升高,植被冠层生态水含量也随之升高。随着植物的生长发育,其冠层生态水储量在2、5、8月持续增加,在11月份下降。不同植被类型冠层生态水含量不同,常绿针叶林冠层生态水储量最多,其次是阔叶林。地形条件是影响森林植被冠层生态水的重要因素,研究区内阳坡的植被冠层生态水含量总体低于阴坡,中高海拔地区植被的冠层生态水含量总体高于中低海拔和高海拔地区的植被。本文采用基于物理模型与机器学习的混合反演策略,在预测野外验证数据(袋外数据)时取得了不错的效果,这说明该模型鲁棒性好,可以推广。根据该模型的反演结果发现,植被冠层生态水储量主要随着物候现象发生改变,而气温、降水、植被类型和地形条件的差异使得森林植被冠层生态水含量呈现特定的空间分布。

关键词：植被冠层生态水 prosail 随机森林哨兵2号影像川西高原

基于Sentinel-2卫星数据的水稻叶片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Sentinel-2卫星数据的水稻叶片叶绿素含量反演研究

作者：杨旭南京大学

学位级别：硕士

随着人类社会对粮食产量的需求日益增加,引入现代技术提高粮食产量变得十分重要。水稻作为我国乃至世界重要的粮食作物,其产量极大影响着粮食安全。叶绿素含量是评价农作物健康状况、生产能力和环境胁迫的重要指标,实时、快速、准确获... 详细信息

随着人类社会对粮食产量的需求日益增加,引入现代技术提高粮食产量变得十分重要。水稻作为我国乃至世界重要的粮食作物,其产量极大影响着粮食安全。叶绿素含量是评价农作物健康状况、生产能力和环境胁迫的重要指标,实时、快速、准确获取水稻叶片叶绿素含量对水稻长势监测和田间精准管理具有重要意义。传统的叶片叶绿素获取方式需要破坏性取样,并且费时费力。随着技术的发展,遥感逐渐变成获取区域和全球农作物叶片叶绿素含量的有效途径,其中基于冠层辐射传输模型的反演方式能够定量描述植被冠层或叶片反射光谱对叶片叶绿素的响应,是叶绿素遥感反演的重要工具,但该方法的反演精度易受到选取的光谱指数和下垫面背景的干扰。为此,本文以Sentinel-2遥感卫星影像为数据源,结合典型水稻田的观测数据,使用prosail辐射传输模型建立了水稻叶片叶绿素含量-水稻冠层反射率查找表,再通过多种光谱指数的构建的代价函数反演叶片叶绿素,比较分析了不同反演结果的精度差异,探索了最适宜水稻叶片叶绿素含量反演的光谱指数,厘清了背景反射率的变化对反演精度的影响,并引入G指数(Greenness index)减小背景干扰对叶片叶绿含量反演的影响。研究结果表明:(1)基于不同波段构建的光谱指数反演的叶片叶绿素含量精度存在差异。不含红边波段的叶绿素指数(CI)、简单比值指数(SR)和归一化植被指数(NDVI)反演结果R分别为0.58、0.49和0.42,RMSE分别为13.52、11.81和20.00μg cm-2。而使用红边波段替换CI、SR和NDVI中红色波段和近红外波段构建的光谱指数反演精度明显提高。CI、CI、RSR、ZM、NDVI、NDVI、Macc和MTCI反演结果R分别为0.68、0.64、0.73、0.70、0.68、0.71、0.73和0.70,RMSE分别为11.91、11.42、12.02、11.22、11.82、11.38、8.14和10.15μg cm。其中Macc反演精度最高(R=0.73,RMSE=8.14μg cm).(2)利用prosail模型构建查找表反演水稻叶片叶绿素会受到水面背景反射率的影响。这主要是由于prosail模型无法准确描述水面背景反射率。特别在水稻生长早期,由于水面背景干扰较大,部分对背景反射率变化敏感的光谱指数反演结果明显偏低。LAI3时的MRE分别增大了-22.37%、-26.29%、-19.31%、-20.77%、-22.29%、-20.14%。(3)引入G指数能够有效的消除了水稻田水面背景对叶片叶绿素反演结果的影响。引入G指数构建的CI/G(R=0.82,RMSE=5.84μg cm,MRE=3.53%)、CI/G(R=0.77,RMSE=7.15μg cm,MRE=8.61%)、RSR/G(R=0.80,RMSE=6.11μg cm,MRE=2.23%)、ZM/G(R=0.81,RMSE=7.14μg cm,MRE=7.95%)、NDVI/G(R=0.75,RMSE=6.87μg cm,MRE=4.16%)和NDVI/G(R=0.72,RMSE=7.37μg cm,MRE=2.01%)提高水稻叶片叶绿素含量反演精度。光谱指数与G指数结合后,对水稻背景反射率变化不再敏感,有效消除了水稻田水面背景对叶片叶绿素反演结果的影响。

关键词：叶片叶绿素含量遥感反演 Sentinel-2 prosail

基于HJ-1B影像的内蒙古草地叶面积指数反演

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

测绘工程 2015年第5期24卷 29-32页

作者：杨灿灿吴见王春邓岳川滁州学院地理信息与旅游学院安徽滁州239000

针对HJ-1B星CCD数据,以内蒙古草地为研究对象,应用植被指数模型、prosail模型以及热暗点指数模型对研究区草地进行叶面积指数定量估算研究,同时利用LAI-2000获取的实测数据进行反演结果检验。结果显示:复合型植被指数统计模型的R2=0.7,... 详细信息

针对HJ-1B星CCD数据,以内蒙古草地为研究对象,应用植被指数模型、prosail模型以及热暗点指数模型对研究区草地进行叶面积指数定量估算研究,同时利用LAI-2000获取的实测数据进行反演结果检验。结果显示:复合型植被指数统计模型的R2=0.7,物理模型为0.67;而传统植被指数模型R2仅为0.61。实验表明热暗点植被指数模型比传统植被指数模型更适于进行内蒙古草地LAI定量反演。

关键词：叶面积指数 prosail 植被指数热暗点

在线全文

学校读者我要写书评

暂无评论

基于LAI的航天遥感图像仿真与系统集成

基于LAI的航天遥感图像仿真与系统集成

作者：林如强福建师范大学

学位级别：硕士

本文在系统地介绍了国内外光学成像仿真技术发展概况的基础上,分别对地表反射率生成、大气辐射传输、光学传感器原理进行了分析,提出基于叶面积指数等地表参数的航天遥感图像仿真流程。研究了基于先验知识的地表反射率生成思路,确立了获... 详细信息

本文在系统地介绍了国内外光学成像仿真技术发展概况的基础上,分别对地表反射率生成、大气辐射传输、光学传感器原理进行了分析,提出基于叶面积指数等地表参数的航天遥感图像仿真流程。研究了基于先验知识的地表反射率生成思路,确立了获取LAI的模型和方法。通过对辐射传输模型MODTRAN4各输入参数进行深入分析,确定了各参数所使用的插值方法及插值点,建立了样条插值和线性插值相结合的大气辐射传输查找表查找方法。分别研究了传感器空间响应、光谱响应、噪声模拟及采样和量化等过程。利用Matlab编写各个过程的程序代码,集成了航天遥感图像仿真系统。该系统以LAI为输入信息,可以对不同的大气状况及传感器状况进行模拟,最终实现对任意传感器进行图像模拟。

关键词： LAI prosail 航天遥感图像仿真查找表