封育条件下草地光谱反射特征及地上生物量估测

2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数(NDVI)及比值植被指数(RVI)与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平(P<0.01),覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期(7月)和枯黄期(11月),封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期(4月)两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的(P<0.05)非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。     

封育条件下草地光谱反射特征及地上生物量估测*

 2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数（NDVI）及比值植被指数（RVI）与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平（P＜0.01）,覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期（7月）和枯黄期（11月）,封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期（4月）两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的（P＜0.05）非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。     

基于NDVI的巴音布鲁克天鹅湖高寒湿地地上生物量的反演

以巴音布鲁克天鹅湖高寒湿地为研究对象,基于Landsat 8 OLI多光谱遥感影像数据,提取植被指数(NDVI、EVI、RVI)信息,构建植被指数与地上生物量的回归模型,比较不同植被指数的拟合效果。结果表明,NDVI与地上生物量的相关性最高(r=0.778),显著大于EVI、RVI与地上生物量的相关性;二次多项式是NDVI与地上生物量构建的4种回归模型最优估测模型,决定系数R~2达到0.6619;巴音布鲁克天鹅湖高寒湿地2016年地上生物量的储量约为2.86×10~5 kg,地上生物量密度为10.25～444.99 g/m~2,均值为323.08±52.68 g/m~2。     

花生叶鲜生物量的高光谱估算模型

利用花生生物物理参数和冠层高光谱数据,基于光谱一阶微分技术,选取对生物量敏感的波段组成高光谱植被指数,建立花生叶鲜生物量的高光谱遥感估算模型。结果表明,花生叶鲜生物量在绿峰525~556 nm、红谷645~689 nm和近红外710~900 nm波段范围反射光谱与花生叶鲜生物量有极显著相关关系。高光谱反射率与叶鲜生物量在大部分可见光区和近红外波段呈显著相关,并且在可见光红光波段呈负相关,在近红外波段呈极显著正相关。花生光谱反射率与花生叶鲜生物量相关的近红外、红光波段的敏感波段分别为770、673 nm,用这2个波段构建植被指数,组成高光谱归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)和再次归一化植被指数(RDVI),并构建生物量反演模型;相对于NDVI、DVI、RDVI建立的简单线性函数估测模型,RVI所构建的花生叶鲜生物量估测模型的预测精度较高。     

紫茎泽兰群落数量特征和遥感植被指数相关性研究

[目的]探索紫茎泽兰的遥感监测技术。[方法]以四川省凉山州西昌市为试点,对紫茎泽兰样地的群落数量特征和遥感植被指数进行了相关性分析。[结果]在RVI、NDVI和PVI 3种植被指数中,RVI与紫茎泽兰群落高度、盖度和生物量的相关系数均大于0.7,说明RVI对紫茎泽兰等高植被群落最敏感,与其群落数量特征的相关性最好,能较好地反映群落的特征;各植被指数与紫茎泽兰群落地上生物量的相关程度差异不大;各植被指数中,紫茎泽兰生物量与NDVI的相关系数最小,盖度与PVI的相关性最低。[结论]利用RVI可对紫茎泽兰的危害情况进行有效监测。     

基于GreenSeeker的水稻氮素估测

为研究水稻植株氮素指标与GreenSeeker植被指数的定量关系,通过设置不同年份、不同氮肥水平的田间试验,于移栽后定期使用GreenSeeker获取冠层归一化差值植被指数(NDVI)和比值植被指数(RVI),并同步破坏性取样获取植株生物量和氮含量,分析不同品种和不同氮营养条件下氮素和植被指数(NDVI和RVI)变化规律,建立基于NDVI和RVI的氮素监测模型。结果表明,植株氮含量可以基于NDVI和RVI分时期进行估算,植株氮积累量可以被分阶段反演。利用GreenSeeker可以实现水稻氮素快速无损监测,为水稻氮肥精确管理提供技术支持。     

利用遥感技术监测水稻群体长势

利用TM影像信息结合地面试验数据,分析了水稻抽穗期叶面积指数、生物量以及植株氮素含量3个群体质量指标与植被指数之间的关系,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)的水稻群体质量指标监测模型.结果表明,NDVI与叶面积指数呈现显著的非线性正相关关系(r2=0.820 2),与植株氮素含量呈线性正相关关系(r2=0.636 4),RVI与地上部生物量呈线性正相关关系(r2=0.767 6).因此,在水稻抽穗期可以利用NDVI对叶面积指数和植株氮素含量进行监测,对地上部生物量的监测则以利用RVI数据较好.     

基于近地遥感的冬小麦生物量动态监测方法

为探寻准确高效的冬小麦生物量动态监测方法,以2018—2020年SRS-NDVI观测仪监测数据为基础,将冬小麦生物量观测数据以返青期为界分为两个阶段。选取归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI2),计算逐日累积植被指数(CVI)并分别进行曲线拟合分析,建立回归模型,研究各植被指数与实测冬小麦生物量之间的关系。结果表明:冬小麦播种至返青期,最优模型为二次多项式,基于NDVI的累积植被指数模型估测精度最高,y=-0.0479x~2+7.0481x-25.5040,R~2为0.9829,均方根误差(RMSE)为9.61,平均相对误差(MRE)为10.51%;冬小麦返青至成熟期,最优模型为幂函数,最佳估测模型仍为基于NDVI的累积植被指数模型,y=0.0126x~(2.3938),R~2为0.9553,RMSE为150.25,MRE为10.22%。因此,基于NDVI的累积植被指数是冬小麦生物量动态监测的最佳方法,可为作物自动化观测提供新的思路和方法。     

基于时间序列的三江源区生物量遥感检测模型研究

以三江源区为研究区,利用2006~2009年每年8月份的野外采样数据并结合同期的EOS/MODIS数据建立了草地总生物量、可食产草粮与归一化植被指数（Normolized Differential Vegetation Index,NDVI）、修改的土壤调整植被指数（Modified Soil Adjusting VegetationIndex,MSAVI）、增强型植被指数（Enhanced Vegetation Index,EVI）之间的3种（线性、乘幂和指数）关系模型,并进行了比较。研究结果表明：3种模型能够对草地总生物量、可食产草粮进行较好的估算;3种植被指数对草地总生物量、可食产草粮均具有较高的相关性,可用于对草地总生物量、可食产草粮的估测;3种植被指数对草地总生物量的估算好于可食产草量。     

基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。     

基于CBERS-02卫星遥感图像海岛棉与陆地棉植被指数的对比

随着遥感技术的发展,植被指数作为用来表征地表植被覆盖和生长状况的度量参数,已经在环境、生态、农业等领域有了广泛的应用。本文利用中巴资源卫星CBERS-02星CCD1-5波段遥感图像,比较了海岛棉与陆地棉5种植被指数(比值植被指数RVI,归一化差异植被指数NDVI,红色植被指数R I,转换型植被指数TVI,归一化差异绿度指数NDG I)的差异。结果表明:海岛棉与陆地棉的5种植被指数差异均未达到显著性水平(P>0.05);海岛棉与陆地棉之间比值植被指数RVI差异最大,而转换型植被指数TVI差异最小;在阿拉尔垦区利用7月份CBERS-02卫星遥感图像植被指数的差异很难区分出海岛棉与陆地棉。     

不同生长期杉木植被指数与蓄积量的关系

处于不同生长期的人工杉木林,其各种生物量的生长和呈现的植被光谱区别较大。利用野外林木的样地实测数据和QuickBird遥感影像呈现的植被光谱,从高分辨率遥感影像获取一系列植被指数,评价不同生长期的人工杉木林的生长状况。结果表明:多个植被指数与蓄积量存在显著的正相关关系,其中比值植被指数(RVI)与蓄积量的相关性大于归一化植被指数(NDVI)、环境植被指数(EVI)和归一化差异绿度指数(NDGI),特别是在杉木处于速生阶段时,可将比值植被指数作为其它估测模型的一种验证。     

基于TM影像和SPSS软件天然草地植被指数及相关性分析

为了研究乌兰县天然草地植被指数特征,利用比值植被指数(RVI)、归一化植被指数(NDVI)、差值环境植被指数(DVI)、土壤调节植被指数(SAVI)、修正后的土壤调节植被指数(MSAVI)5种植被指数和植被信号与土壤噪音之比(S/N)对研究区天然草地植被指数进行研究,结果表明研究区天然草地植被覆盖度普遍表现不佳。这说明对研究区天然草地资源的利用应该慎重,并且应重视其生态价值。     

三江源天然草地TM影像植被指数分析

应用归一化差值植被指数（NDVI）、土壤调节植被指数（SAVI）、修正后的土壤调节植被指数（MSAVI）、植被信号与土壤噪音之比（S/N）4种指数研究三江源49种草地类型TM影像,结果为该地区草地类型的遥感识别分类提供信息和依据。     

森林生物量与遥感信息的相关性

利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计方程,以及生物量与遥感TM影像的各波段灰度值、植被指数的统计方程.但在P<0.05水平上,只有NDVI、RVI两个因子复相关系数不高.     

基于滁州市TM数据的叶面积指数估算模型研建

以2010年TM影像为数据源,结合实测叶面积指数(LAI)数据,采用逐步回归方法,分析滁州市森林叶面积指数与植被指数关系并建立估测模型。结果表明:在0.01显著水平下,地面LAI和NDVI、RVI、SAVI的相关性分别为0.899、0.868、0.853;以NDVI为自变量构建的指数函数关系模型与LAI相关系数最高,相关性达0.839,LAI预测精度达78.96%;以NDVI、RVI、SAV为自变量构建的多元线性回归模型与LAI相关性达0.917,LAI估测平均精度达83.36%,符合森林资源监测要求。研究结果为使用遥感数据进行滁州市大面积森林质量监测、森林分布变化提供依据和技术支持。     

沈阳地区旱田植被指数变化与产量关系的研究

以沈阳地区为研究实例,利用NASA对地观测系统EOS系列卫星遥感影像,经过了滤波处理MODIS归一化植被指数（NDVI）数据,对研究地区的旱田作物进行不间断监测.计算出2003 ～ 2007年的年平均NDVI,分析出NDVI年际变化特征、作物生育期内的NDVI变化规律,并找出产量与植被指数变化关系.结果表明,沈阳地区旱田植被指数的年际间差异明显,旱田作物生育进程与作物生育期内NDVI变化规律大致吻合,这表明作物产量与遥感植被指数间存在较好的相关.因此,根据同期地面作物产量调查数据与MODIS遥感数据,采用一次线性拟合法建立回归方程,简单分析出沈阳地区旱田作物产量与NDVI变化关系.     

VI-LST遥感模型在福建省干旱灾害监测中的应用

植被指数(VI)和地表温度(LST)是描述地表特征信息的2个重要参数.本研究采用基于VI和LST特征空间的遥感模型对2000年以来福建省三起比较严重的干旱灾害进行监测分析,结果表明:采用增强型植被指数(EVI)拟合特征空间干边方程的相关系数高于采用归一化植被指数(NDVI)拟合干边方程的相关系数.VI-LST遥感模型能客观地反映地表水分供应状况,较好地反映区域旱情的空间分布和旱情动态发展过程,干旱灾害的卫星遥感监测结果与地面气象监测结果基本一致,在福建省抗旱减灾工作中具有一定的实用价值.     

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。