排序方式: 共有14条查询结果,搜索用时 433 毫秒
1.
2.
以地面实测数据为依据,通过获取其同步HJ-HSI影像光谱反射率,筛选出光谱变量、波段变量,对不同利用状态的退化伊犁绢蒿(Seriphidium transiliense)荒漠草地(围栏封育区N,围栏外重度退化区W_1,围栏外中度退化区W_2)的地上生物量进行估测。结果表明,1)各季节不同利用状态伊犁绢蒿荒漠草地群落HJ-HSI光谱反射率不同,春季为W_2NW_1,夏季为W_2W_1N,秋季为W_1W_2N;2)HJ-HSI可以实现对伊犁绢蒿荒漠草地地上生物量的估测,估测模型因群落类型和季节不同而存在差异。春、夏、秋3个季节的估测模型,N分别由DVI、NDVI、620.225-627.895nm反射率平均值所构建,W_1分别由近红外波段(Rn)、656.305nm和776.8199nm反射率归一化值、MSAVI构建,W_2分别由652.09和732.01nm反射率归一化值、红外波段(Rr)、584.52-598.295nm反射率平均值构建。 相似文献
3.
为探究覆盖度变化对植物光谱反射率的影响,实现覆盖度和生物量的高精度反演,以伊犁绢蒿(Seriphidium transiliense)为对象,通过室内控制试验获取不同覆盖度下植物光谱反射率,采用最大归一法、一阶微分和二阶微分变换分析其反射率变化,利用归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)和土壤调节型植被指数(SAVI)共4种植被指数对覆盖度与生物量进行反演,探讨反演精度对覆盖度变化的响应。结果表明:伊犁绢蒿植物种群的冠层光谱反射率在可见光波段随覆盖度增加逐渐减小,在近红外波段逐渐增加,在680 nm处形成植物特有的红边效应,最大归一化和微分变换突出了植物的光谱特征;光谱反射率差值在可见光波段随覆盖度增加基本稳定;利用植被指数逐级反演覆盖度与生物量时,精度随覆盖度增加整体呈上升趋势;利用土地利用/覆盖变化(LUCC)分覆盖度反演时,提高了覆盖度大于20%的伊犁绢蒿种群的数量特征反演精度,且最佳指数为SAVI。 相似文献
4.
5.
6.
【目的】伊犁绢蒿荒漠草地是新疆草地生态系统的重要组成部分,研究其主要植物地面光谱和植被指数特征是实现物种识别的基础,准确而实时获得群落物种组成变化、提高草地监测的质量和效果。【方法】借助SOC710 VP成像光谱仪,采集4月伊犁绢蒿荒漠草地群落高光谱影像,提取伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)、叉毛蓬(Petrosimonia sibirica)和群落的原始光谱数据,通过反射率(REF)、吸收率(ABS)及其一阶微分(GREF和GABS)的变换提高光谱辨析度,分析并筛选敏感波段;通过各波段之间的相互组合计算NDVI值和DVI值,并以全波段计算的NDVI值和RVI值作为参考,筛选出优于全波段且差值最大植被指数。【结果】(1)3种主要植物光谱曲线相近,差异主要体现在光谱值的大小,在可见光400~780 nm和近红外波段780~820 nm的反射率均表现出角果藜>伊犁绢蒿>叉毛蓬>群落的特征;(2)通过反射率REF、吸收率ABS、一阶微分反射率GREF和一阶微分吸收率GABS的变换能够进一步扩大其光谱特征,相对稳定的波段有蓝光波段490~530 nm,绿光波段510~560 nm,红光波段620~760 nm,近红外波段780~820 nm。(3)GABS和ABS变换下490~530 nm和780~820 nm波段组合计算的NDVI’和RVI’在3种主要植物间的差异大于全波段和其它波段计算的NDVI’和RVI’。【结论】对敏感波段的反射率和吸收率进行一阶微分处理,并用于改进植被指数,能够提高伊犁绢蒿荒漠3种主要植物的识别效果。 相似文献
7.
8.
9.
观察扶芳藤的物候期,研究扶芳藤的生长规律及攀附特性.扶芳藤萌芽早,花蕾生长期长,种子成熟期晚,当年生叶片冬季不脱落,休眠期晚;扶芳藤年生长期长,一个生长周期会出现两次生长高峰,其新梢的年生长、节间及叶片生长规律遵循 Logistic 方程的拟合曲线;常绿直立型向阳性好,匍匐生长型耐荫能力强不同的扶芳藤类型适宜于攀援不同角度,常绿直立生长的扶芳藤类型攀援于近90°的攀附物时生长速度大,随角度的减小高生长量成规律性递减;冬季红叶匍匐生长的扶芳藤类型则在攀援于近 50°的角度时生长速度最快. 相似文献
10.
为获得伊犁绢蒿荒漠草地主要植物最佳识别参数,本研究利用SOC710 VP成像光谱仪于4月采集群落影像,以伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)、叉毛蓬(Petrosimonia sibirica)和裸地为识别对象,基于光谱学响应与峰谷特性选取8个位置参数、2个面积参数、4个植被指数,按照显著性差异从小到大逐一筛选敏感参数,并使用Fisher判别分析进行精度验证。结果表明:4种识别对象的反射率大小在可见光和近红外波段表现出不同的特征;用筛选出的红谷位置、红边位置、红谷幅值、蓝边面积、NDVI1、RVI1和RVI2进行判别,精度分别为伊犁绢蒿91.11%、角果藜80.56%、叉毛蓬91.11%、裸地100%,总精度为92.13%。本试验筛选出的识别参数建立判别模型可为进一步对群落影像进行物种定量分类提供依据。 相似文献