共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
基于ETM+影像竹林信息提取的最佳波段组合研究 总被引:2,自引:0,他引:2
以竹林信息提取为研究目的,应用最佳指数法(OIF)法和典型地物影像光谱特征曲线分析,对福建省顺昌县ETM+多光谱数据的波段选组合进行了研究.研究结果表明:345波段是竹林信息提取的最佳波段组合;典型地物影像光谱特征曲线可以直观的看出地物在不同波段上的光谱差异,能为最佳波段选择提供可靠的参考依据;竹林在第5波段与其他地物光谱差异最大,分离效果最好,在第1波段的光谱影像特征曲线与阔叶林相近,在第2波段与针叶林相近,说明在第1波段和第2波段中竹林分别与阔叶林、针叶林容易混淆,不利于竹林信息提取. 相似文献
3.
樟树幼林叶绿素含量的高光谱遥感估算模型 总被引:4,自引:0,他引:4
高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,并对观测叶片进行同步叶绿素含量的测定;采用统计相关分析法,分析樟树冠层光谱与叶绿素含量之间的相关关系,并建立相应的估算模型.结果表明:樟树幼林叶绿素含量的敏感波段位于400、556、621 nm;通过建立各敏感段与叶绿素含量之间的估算模型并进行精度检验,得出了叶绿素含量估算的高光谱模型分别为y=exp(1.191 1458.912x)和y=3.29×exp(1458.912x).说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量. 相似文献
4.
森林叶绿素含量的高光谱遥感估算模型的建立 总被引:1,自引:0,他引:1
高光谱遥感提供一个通过窄波段的地物光谱反射率、诊断和检测植被叶绿素光谱特征波段的手段,为精确反演森林叶绿素含量提供更高光谱分辨率的数据。利用Epp-2000地物光谱仪测量叶片的反射光谱,并用SPAD-502对观测叶片进行叶绿素含量的同步测量;采用统计相关分析方法,分析叶片反射光谱、光谱特征参数及其各种植被指数与叶片叶绿素含量的相关关系,并建立相应的估算模型。结果表明:叶绿素含量的敏感性参数分别为Diff(R749)、Log(R466)、红边参数RVP以及比值叶绿素指数PSSR。通过多元统计回归分析,剔除不相关和存在共线性的参数后,得到叶绿素含量的估算模型为:SPAD=54.559—0.865×PSSR+65.146×Diff(R749)-6.030×Log(R466)-0.238×RVP模型及其参数均通过统计检验,模型的决定系数砰达到0.812,均方根误差RMSE=13.35379,模型精度为88.743258%。 相似文献
5.
6.
[目的]以云南普洱菜阳河为例,基于机载遥感影像,探讨思茅松林冠层高光谱特征及坡向对其光谱反射率的影响。[方法]以2014年4月机载Li CHy系统获取的高光谱和激光雷达DEM提取的坡向数据,结合该地区二类调查数据,对不同坡向的思茅松林冠层光谱曲线特征值进行统计比较。[结果](1)思茅松冠层光谱反射特征与绿色植物光谱曲线总体相似,在0.74~1.0μm近红外波段冠层反射率较高,0.89μm最高;(2)阴坡思茅松冠层光谱反射率普遍高于阳坡,北坡、东北坡与南坡、东南坡的峰值波段反射率在0.05水平上差异显著;(3)根据太阳高度角,迎光面的东坡、东北坡、东南坡比背光面西坡、西北坡、西南坡光谱反射率在0.89μm波段增加了14%~23%。[结论](1)思茅松冠层光谱反射率表现出"两谷一峰"、"红边"等典型的植被光谱特征,反射率较高的0.74~1.0μm波段为思茅松的特征光谱段;(2)太阳高度角是影响不同坡向光谱反射率的主要因素,而坡向也是造成反射率差异的另一个重要原因。 相似文献
7.
[目的]利用多角度高光谱数据,分析不同角度下东洞庭湖湿地典型植被群落的光谱特征,确定多角度信息融合的最佳方法,并对融合影像进行湿地植被类型精细识别。[方法]使用CHRIS多角度高光谱数据,针对洞庭湖湿地植被的光谱特征,研究计算窄波段NDVI的最佳波段组合和角度,评价CHRIS 0°影像与NDVI的像素级融合方法,进而对洞庭湖地区湿地植被进行提取。[结果]计算NDVI的最佳红波段和近红外波段分别位于667.6 nm和926.95 nm,对应于CHRIS数据的第24波段和第55波段;选取HSV、Brovery、Gram-Schmidt和PCA 4种融合方法进行融合,发现PCA融合图像的光谱信息丢失最少、纹理细节更丰富,信息量最大;PCA融合影像的总体精度为81.36%,比单角度影像提高7.93%,Kappa系数提高0.097 6,且苔草的漏分误差和泥蒿的错分误差得到明显改善。[结论]基于NDVI的多角度信息融合是提高湿地植被识别精度的一种有效途径,多角度信息融合丰富了地物的信息量,提高地物识别精度。 相似文献
8.
四种不同变量施肥算法的效益分析 总被引:1,自引:0,他引:1
采用四种不同的变量施肥算法,分别是基于冠层光谱指数的变量施肥、利用叶绿素计进行的变量施肥、基于土壤肥力与目标产量的变量施肥和基于光谱数据和作物生长模型结合的冬小麦变量施肥,对四种变量施肥算法的结果进行了分析比较,结果表明:基于光谱数据和作物生长模型结合的冬小麦变量施肥其经济效益和生态效益在四种变量施肥算法中是最显著的,在所有观测项目中,其产量、生物量及品质指标在四者之中也是最高的,变异系数在四者之中最低,由此可见最佳的变量施肥方式是基于光谱数据和作物生长模型相结合的冬小麦变量施肥。 相似文献
9.
为了实现观赏桃的快速繁殖,以观赏桃品种‘元春’1年生半木质化的枝条为试材,分别就不同种类与浓度的植物生长调节剂处理、不同类型的基质处理对其扦插后的生根率、不定根数及不定根长度的影响情况进行了扦插试验。结果表明:以黄心土基质处理的生根效果优于以细河沙基质处理的;不同种类与浓度的生长调节剂处理对桃树生根的影响有差异,以浓度为1 000 mg/L的IBA处理的插穗其生根效果最佳,生根率为13.29%。文中综合分析试验结果后认为,适于桃树绿枝扦插的条件为:以黄心土为扦插基质,以浓度为1 000 mg/L的IBA溶液处理插穗。 相似文献
10.
11.
12.
《绿色科技》2016,(16)
指出了近些年安徽巢湖大部分湖区表现出中度及以上的富营养化水平,尤其是在夏季更为严重,这一严重问题受到广泛关注。以巢湖为实验区,借助野外实测高光谱数据和试验室分析数据,分析了浮游植物光谱吸收特性、水体反射光谱特征和水质参数浓度之间的相互关系,系统地比较了浮游植物光谱吸收aph(665)的四波段模型和Simis的aph(665)模型,将最优的aph(665)模型对Simis藻蓝素模型进行了优化改进,结果表明:1aph(665)的四波段模型的精度和稳定性要明显好于Simis的aph(665)模型,其R2为0.8402,RMSE为0.394m-1,MRE为8.05%;2验证优化后的藻蓝素模型在巢湖水域反演藻蓝素的精度:相关系数R2达0.8703,反演取得较好的结果。该模型可为巢湖的蓝藻暴发遥感监测及保护管理提供一定的理论基础和技术支撑。 相似文献
13.
《绿色科技》2017,(20)
以宁夏平罗县龟裂碱土为研究对象,以实测植被光谱和土壤pH值为基础数据源,通过对原始光谱数据进行小波阈值去噪,和对数、一阶微分、多元散射校正、归一化等8种变换,筛选土壤碱化程度最佳光谱变换方式和敏感波段,用一阶傅里叶和三次多项式进行回归分析、比较,来构建更加精确的龟裂碱土信息预测模型。研究表明:植被光谱反射率一阶微分变换在波段861nm处为最佳敏感波段,相关系数为0.86;多项式拟合比傅里叶拟合效果好;以最佳光谱指标和土壤pH值为变量,构建的pH含量三次多项式预测模型精度最高,在0.01显著性水平上通过检验,该模型可为干旱区半干旱地区土壤碱化程度遥感定量反演提供依据。 相似文献
14.
杉木叶绿素a含量与高光谱数据相关性分析 总被引:1,自引:0,他引:1
采用美国ASD公司生产的手持式野外光谱辐射仪测量杉木冠层光谱,对观测叶片进行同步叶绿素含量测定,并利用统计学分析方法,分析杉木叶绿素a含量与高光谱数据的相关关系,结果表明:(1)杉木光谱与叶绿素含量最大相关系数位于530 nm和690 nm;(2)通过建立植被指数(PSSR和PSDN)与叶绿素a含量的估算模型,并进行精度检验,选择出最适合杉木叶绿素a含量估算的高光谱模型,利用高光谱遥感数据可以估测杉木的叶绿素a含量。 相似文献
15.
《中南林业科技大学学报(自然科学版)》2020,(3)
【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。 相似文献
16.
17.
18.
利用TM CCT磁带数据从统计分析、信息量计算、相关分析、主成分分析及主要地物的波谱特征等方面对TM信息特征进行探讨,分析了各个波段的信息特点,提出最佳波段组合方案。 相似文献
19.
《林业科学》2021,(5)
【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从Li DAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。 相似文献
20.
《山东林业科技》2015,(5)
采取光合生理特性分析与光谱特性分析相结合的手段,以建立光合参数、叶绿素含量与反射光谱指数间的相互关系,从而为高效、快捷地监测古树生长状况提供依据。本文以泰山有代表性油松古树姊妹松、一亩松、一品大夫、增幅松为研究对象,测定了当年生针叶的光合特性(净光合速率Pn、蒸腾速率Tr、气孔导度Gs、胞间CO2浓度)、叶绿素含量以及反射光谱特征(植被归一化指数NDVI、叶绿素归一化指数chlNDI、红边位置λre、水分指数WI及植物衰老指数PSRI)。结果表明:随着树势衰弱,叶绿素含量、Pn、Tr、Gs均降低,CI升高,并且呈现出显著差异(P0.05),非气孔限制因素致使油松光合能力降低;油松古树的反射光谱指数chlNDI、λre、WI降低,呈现出与叶绿素含量、Pn相同的变化规律,健壮油松PSRI较小,一亩松、一品大夫等衰弱古树PSRI值较大,NDVI值变化不明显。表明采用光谱分析技术能在古树生长状况监测中发挥作用。 相似文献