棉花叶面积指数的遥感估算模型研究

 【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec? 手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2 均达到了极显著水平。     

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。     

基于环境减灾小卫星数据叶面积指数的反演

叶面积指数是反映农田信息的重要参数之一,因此获取叶面积指数成为农情遥感的一项重要内容。利用田间实测调查数据,系统分析了环境星的归一化植被指数（NDVI）与宾县地区主要作物玉米和水稻叶面积指数的关系,并采用简单线性模型、多项式模型和对数模型建立作物叶面积指数的估算模型进行最优反演。结果表明：玉米和水稻叶面积指数的最优反演模型都采用多项式模型,精度分别达到了0．805和0．810,并采用该模型进行反演。     

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。     

基于高光谱的阿克苏市枣叶面积指数估算模型

[目的]通过将原始光谱数据经过不同的数据变换方式,分析其与枣冠层LAI的相关关系,建立基于高光谱的阿克苏市枣冠层LAI的估测模型,为快速、精确、无损伤、大范围的适时、动态监测植被LAI提供有效途径.[方法]基于原始光谱数据的不同数据变换方式,采用相关性分析和逐步回归分析方法.[结果]不同数据变换后的冠层光谱反射率与枣LAI具有较好的相关性,微分变换后的相关性较原始相关性有所提升.所建模型经过精度评价发现,原始光谱数据经倒数一阶微分变换后估测模型拟合度和预测精度都最高,一阶微分、对数一阶微分、归一化一阶微分次之.[结论]不同数据变换方式后的光谱数据与塔里木盆地枣LAI有显著的相关性,可以用微分、对数微分、归一化微分、倒数微分变换后的数据建立较理想的塔里木盆地枣LAI的估测模型.     

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ALI影像的植被冠层叶面积指数的遥感反演研究

以鄱阳湖源头之一的梅江流域作为研究区,该地区植被多呈混交状态,且疏密程度不均,针对这一特性,采用EO-1上搭栽的高级陆地成像仪（ALI）生成的多光谱影像作为遥感信息源,对该影像预处理后计算各植被指数信息;考虑到研究区裸地比较多,其中垂直植被指数（PVI）的计算引入土壤线参数.同时,借助植物冠层分析仪LAI-2000实地测量获得研究区的LAI值,而后对采样所得的LAI数据与通过遥感影像所获得的植被指数建立空间位置上的联系,提取出相应点的VI值,拟合两者之间的关系,得到相应的反演模型,在回归模型中依据相关系数R2找出最佳模型,最后反演制图得到该研究区的植被冠层LAI图.     

有效叶面积指数与真实叶面积指数的模型转换

介绍了叶面积指数主要的测量方法(直接法和间接法),并分析了各种方法的优缺点。同时针对LAI-2000测量的有效叶面积指数较真实值偏小的问题,以小兴安岭林地为研究区,利用外业调查得到的有效叶面积指数,以及根据生物量之间的关系计算得到真实叶面积指数,建立了有效值和真实值二者的线性回归模型,并进行了精度验证,结果表明,该方法可行,精度较高。     

估算水稻叶面积指数的调节型归一化植被指数

【目的】叶面积指数（LAI）是描述植物冠层结构、群落生长分析和陆地生态系统研究的重要参数,提高叶面积指数的估算精度是遥感工作者的重要研究方向之一。【方法】通过不同氮素营养水平的水稻小区实验,利用2004年中稻高光谱反射率数据,模拟中等分辨率成像光谱仪（MODIS）前四个通道,提出包含蓝、绿、红和近红外四个谱段的调节型归一化植被指数ANDVI（adjusted-normalized difference vegetation index）。对ANDVI和归一化植被指数NDVI（normalized difference vegetation index）、增强型植被指数EVI（enhanced vegetation index）、绿波比值指数GRI（green ratio index）、红边比值指数RRI（red-edge ratio index）等5个光谱植被指数与水稻LAI的相关关系进行了分析。利用2004年晚稻试验数据,对与LAI相关关系较好的ANDVI进行验证。【结果】ANDVI指数模型预测效果最好,均方根误差为1.771,估算精度达到63.1%。【结论】说明ANDVI具有进行在大面积范围内监测水稻LAI的能力。     

基于ERDAS与GIS的滁州市植被NDVI时空变化特征研究

[目的]研究滁州市归一化植被指数(NDVI)时空分布规律,为今后有针对性地改善滁州市的植被资源乃至生态系统提供理论依据。[方法]运用ERDAS和GIS技术,选取2001~2010年滁州市MODIS影像数据,得到2001~2010年滁州市的NDVI,并分析了NDVI时空变化的特征。[结果]从时间上看,2001~2010年滁州市植被NDVI平均值整体呈上升趋势,其中2001年植被NDVI平均值为0.468 1,2010年达0.681 3,年均增加率5.06%;从空间上看,滁州市植被NDVI的空间分布格局产生了较大变化,呈现东部和东北部增加,北部和西南部减少的趋势,中部和南部较为稳定。[结论]2001~2010年滁州市植被NDVI总体呈上升趋势,且植被起伏较大,区分较明显。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

基于HJ-IACCD数据的辐射传输模型反演叶面积指数研究

以内蒙古自治区赤峰市克斯克腾旗贡尔大草原为研究对象,利用HJ-IA的CCD数据进行叶面积指数反演。采用辐射传输模型PROSPECT和SAIL模型,根据贝叶斯理论回归反演LAI,获取LAI反演效果图。同时利用同步野外实测地面数据对反演LAI进行检验,发现两者存在较好的一致性,相关系数达0.696。最后对误差进行分析。结果表明,利用HJ-IA的CCD数据反演LAI,可较好地反映地面状况,具有较高的应用价值和广阔的应用前景。     

烤烟叶面积指数增长的优化模型研究

以不同土壤水分处理条件下烤烟叶面积指数的变化为基础,对烤烟叶面积指数增长模型进行了优化研究。结果表明,不同土壤水分处理条件下,烤烟叶面积指数的变化呈单峰曲线,各处理间无明显差异。用普适增长模型可较好地模拟叶面积指数变化,而用修正的指数增长模型模拟的效果更好,模拟值与实测值间的相关系数高于普适增长模型,可作为模拟烤烟叶面积指数增长的优化模型。     

改进Otsu法的冠层图像分割及银杏叶面积指数估测1）

基于Otsu法对冠层图像临界处分割不准确的缺点,结合类间方差以及类内聚度对阈值选取及图像分割效果的影响,提出了一种改进阈值选取算法。利用银杏冠层图像分割实例进行比较,同时进一步拟合了图像信息与叶面积指数间模型,结果表明：（1）该改进法较传统Otsu法可得到更好的分割效果;（2）以分割得到的前景像素比值作为自变量,叶面积指数为因变量,拟合得到的模型能较好的描述冠层图像信息与叶面积指数间的关系;（3）提出了一种即时无损并快速可靠的叶面积指数估测方法。     

HJ—1CCD与Landsat—5TM在森林叶面积指数反演中的比较分析

利用LAI2000测量了帽儿山实验林场23个不同类型森林样区的叶面积指数(leaf area index,LA.),根据LA.1观测数据和由环境一号卫星HJ-1CCD数据及Landsat-5TM数据计算的比植被指数(SR),分别建立了研究区森林LA.的估算模型.在此基础上,对比分析了CCD和TM数据在红光和近红外波段的特征,评价了利用这两种遥感数据提取的研究区LA.1的差别.结果表明,CCD数据在红光波段的质量比TM-3稍偏低,CCD数据在近红外波段的信息量丰富;利用CCD与TM数据提取的LA,1具有很好的相关性(R2=0.736 4.n=180339).但前者提取的LA,比后者平均偏高0.23(4.5%);CCD数据在空间分辫率、辐射分辫率、波段设置上都与TM数据具有较好的一致性,同时,CCD还具有比TM高得多的时间分辨率(2d),可以有效应用于较大范围森林LA.1的提取.