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.     

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。     

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.     

基于遥感技术的广州市城市森林叶面积指数推算

应用叶面积指数(LA,I)及叶面积总量表达城市森林的绿量,并采用2004年遥感影像数据推算广州市不同类型森林的LA,I,建立了不同森林类型叶面积指数(LA,I)与归一化植被指数(ND,V,I)的回归模型,结果表明:不同类型森林的LA,I与ND,V,I的关系均可用逻辑斯蒂方程表达;不同森林类型的LA,I因树种、林龄及空间结构的不同而各异,按平均LA,I排序:有林地0.99灌木林地0.78≈疏林地0.78其它林地0.69(3月份数据);广州市森林叶面积总量29.47×108m2,森林的平均LA,I为0.95,市域范围的平均LA,I仅为0.40;不同森林类型对叶面积总量的贡献率与其占有的土地面积比例不相符,应通过采用不同的管理措施来增加其绿量的贡献度。     

播种密度对扬农啤5号叶面积指数的影响

[目的]研究不同播种期、播种密度对扬农啤5号叶面积指数的影响。[方法]采用分期播种和数理统计等方法。[结果]从播种到拔节期,播种密度越大,叶面积指数越大。从齐穗期开始,密度在120万~300万株/hm2,叶面积指数随着密度的增加呈直线上升;密度在300万~360万株/hm2,叶面积指数随着密度的增加呈直线下降。[结论]倒3叶对产量和品质影响很大,所以齐穗期叶面积指数大,对提高产量和品质是有利的。据此可见,扬农啤5号播种密度在300万株/hm2左右是比较理想的。     

小麦叶面积指数和产量空间结构性分析

运用地统计学和相关分析法探讨了小麦叶面积指数与产量的空间分布及关系。结果表明,小麦叶面积指数与产量有中等变异和较好的空间结构特征。它们的相关系数为0.692,表现出显著的相关性,说明可以通过对叶面积指数的合理调控来提高小麦的产量。同时也为通过小麦的叶面积指数进行估产提供了一定的依据。     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.     

喷洒玉米壮丰灵对玉米叶面积指数与其丰产性能的影响

据两年资料分析，玉米叶面积指数与产量呈正相关（ｒ＝０．９３９８）．壮丰灵能适度控制叶面积指数高峰，延长叶面积指数稳定期，这是壮丰灵能改善叶面积群体结构所致．光合势的动态变化和叶面积指数是基本一致的，壮丰灵能提高乳熟期光合势，并有利于产量形成．