应用遥感数据反演针叶林有效叶面积指数

以红壤丘陵典型区千烟洲及其周边为研究区,利用陆地卫星TM图像数据和同期野外实测的37个针叶林样地有效叶面积指数数据,分析了遥感植被指数与湿地松、杉木林、马尾松和针叶林总体之间的相关关系,进而分别建立了遥感植被指数与不同林型针叶林有效叶面积指数间的线性与非线性回归模型.研究表明,遥感植被指数与不同林型针叶林有效叶面积指数存在较好的相关性,但不同林型之间的相关系数存在一定差异;所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高.     

红壤丘陵区针叶林有效叶面积指数遥感反演模型

以红壤丘陵典型区千烟洲及其周边为研究区，利用陆地卫星TM图像数据和同期野外实测5的37个针叶林样地有效叶面积指数数据，分析了遥感植被指数(NDVI)与湿地松、杉木林、马尾松和针叶林总体之间的相关关系，进而分别建立了NDVI与不同林型针叶林有效叶面积指数间的线性与非线性回归模型。研究表明，NDVI与不同林型针叶林的有效叶面积指数存在较好的相关性，但不同林型之间的相关系数存在一定差异；所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高。     

基于CHRIS/PROBA的植被叶面积指数估算模型研究

选用江西省余干县多角度高光谱遥感数据CHRIS/PROBA,提取了5种植被指数(VI),即归一化植被指数(NDVI)、垂直植被指数(PVI)、调整土壤植被指数(MSAVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI),与地面实测的植被叶面积指数进行了回归分析,建立300个LAI-VI关系模型。结果表明:在所有的模型中,从5个角度来看,0°提取叶面积指数效果最好,R2=0.591,RMSE=0.650;-55°提取叶面积指数效果最差,R2=0.551,RMSE=0.821;从植被类型来看,针阔林最好,其次为阔叶林、灌木、针叶林和草地;从植被模型种类来看,指数模型好于一次回归模型;从植被指数来看,PVI最好,其次为MSAVI、NDVI、RVI、ARVI。在LAI-VI关系建模过程中,基于多角度高光谱遥感数据提取植被指数,有利于充分挖掘遥感影像信息,能够提高LAI估算精度。     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性.结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳.     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性.结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳.     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性.结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳.     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性.结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳.     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性.结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳.     

基于EOS/MODIS资料的江西省水稻长势遥感监测

基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R²)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性。结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳。     

基于多视角反射光谱的草地叶面积指数遥感反演

随着观测角度和观测平面的变化,同一地物产生的反射率、辐射信息也会产生很大差异。通过地面观测草地多平面多角度光谱反射率和叶面积指数数据,分析了光谱反射率随观测平面、观测角度的变化规律,并模拟TM资料红光(630～690 nm)、近红外(760～900nm)和蓝光(450～520 nm)波段反射率,计算RVI、DVI、NDVI、SAVI、ARVI和MSAVI等不同植被指数,分析不同观测平面和角度下植被指数与叶面积指数的相关性,建立遥感反演模型。结果表明,主平面上光谱反射率各向异性强于垂直主平面,且前向反射率低于后向,垂直主平面上前向和后向反射率呈现一定的对称性。主平面后向观测时植被指数与叶面积指数的相关性大于主平面前向观测、垂直主平面前向和后向观测的相关性。在建立的一元线性、乘幂、对数、指数、多项式等回归模型中,以三次多项式回归模型反演叶面积指数的精度最高。主平面上后向观测的NDVI、RVI、SAVI、ARVI的三次多项式回归模型均达到显著水平,在不同的观测角下,以-30°、-45°时拟合精度最高。     

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。     

Mapping Spatial and Temporal Variations of Leaf Area Index for Winter Wheat in North China

Leaf area index(LAI)is an important parameter in a number of models related to ecosystem functioning,carbon budgets,climate,hydrology,and crop growth simulation.Mapping and monitoring the spatial and temporal variations of LAI are necessary for understanding crop growth and development at regional level.In this study.the relationships between LAI of winter wheat and Landsat TM spectral vegetation indices(SVIs)were analyzed by using the curve estimation procedure in North China Plain.The series of LAI maps retrieved by the best regression model were used to assess the spatial and temporal Variations of winter wheat LAI.The results indicated that the general relationships between LAI and SVIs were curvilinear,and that the exponential model gave a better fit than the linear model or other nonlinear models for most SVIs.The best regression model was constructed using an exponential model between surface-reflectance-derived difference vegetation index(DVI)and LAI,with the adjusted R2(0.82)and the RMSE(0.77).The TM LAI maps retrieved from DVILAI model showed the significant spatial and temporal variations.The mean TMLAI value(30m)for winter wheat of the study area increased from 1.29(March 7,2004)to 3.43(April 8,2004),with standard deviations of 0.22 and 1.17,respectively.In conclusion,spectral vegetation indices from multi-temporal Landsat TM images can be used to produce fine-resolution LAI maps for winter wheat in North China Plain.     

地形调节植被指数及其在森林动态监测中的应用

森林一般分布在复杂地形山区,消除地形影响成为提高森林遥感监测精度必须解决的基本问题之一。本文提出一种无需DEM数据支持、仅依据光学遥感影像近红外波段与红光波段数据就能有效消除山区地形影响的地形调节植被指数（TAVI）。以1998年与2008年两期LandsatTM影像为实证研究数据,进行TAVI抗地形影响性能验证并采用...     

棉花叶面积指数冠层反射率光谱响应及其反演

【目的】研究棉花冠层光谱对不同叶面积指数（LAI）的响应，建立棉花LAI光谱反演模型。【方法】利用2003～2004年采集的棉花光谱与LAI的246组数据，分析LAI与冠层反射率光谱和反射率一阶微分光谱间的定量关系。【结果】当LAI大于2.5后不同LAI棉花群体光谱反射率在可见光波段趋于饱和；LAI与可见光波段和短波红外波段（水分吸收带除外）光谱反射率呈显著负相关，与近红外波段高光谱反射率呈显著正相关；LAI与棉花反射率一阶微分光谱主要在蓝边（523～531 nm）、黄边（570～576 nm）、红边（700～755 nm）形成3个相关系数高台区，均达极显著水平，其中红边区的相关性最高。棉花红边位置固定，分别在718 nm和723 nm，且以 723 nm处对LAI更敏感。在反演棉花LAI的高光谱参数中VI (660、800)、VI (550、800)、VI (500、800)、VI (670、800)、Sdy (570～573 nm)、SDr (714～755 nm)、D723、Dr 估算LAI相对误差低于30%，RSME小于0.6，其中VI (600、800)、VI(550、800)两个参数估算水平最高，相对误差分别为21.7%与21.0%，RMSE分别为0.416与0.419；利用SDr与SDr/SDb分别对LAI大于1.0 与小于1.0 的棉花群体反演，能显著提高LAI的估算水平。【结论】应用高光谱分析方法能够提取棉花冠层特征光谱信息，构建LAI高光谱反演参数，建立估算模型，并且利用包含不同光谱参数的分段模型可以进一步提高LAI反演精度。     

基于遥感的城市温度与植被相关性分析——以四川省内江市为例

以四川省内江市为研究区,以1988年6月23日、2007年5月6日Landsat TM数据和2000年5月10日的Landsat ETM+数据源,利用TM/ETM+热红外波段定量反演亮度温度,并计算归一化植被指数(NDVI)。在EXCEL软件中进行地表温度与NDVI之间的线性回归分析。结果表明:建成区大部分地区NDVI值较小,这是由于市区内有大量建筑、道路等硬化下垫面,植被覆盖少;部分植被覆盖较好的片区NDVI值较大;沱江水面NDVI值较小,为负值;除建成区和沱江以外的乡村区,植被覆盖良好,NDVI值较大。亮度温度与植被覆盖存在着明显的负相关,即植被覆盖越高的地方,温度相对较低,反之,温度则较高。     

棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350~2500 nm波段的冠层高光谱数据,用近红外波段760~850 nm及红光波段650~670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.7291**,RMSAVI2-LAI=0.7436**,n=81;RNDVI-鲜生物量=0.7426**,RMSAVI2-鲜生物量=0.7911**,n=59),MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息。