基于TM影像和SPSS软件天然草地植被指数及相关性分析

为了研究乌兰县天然草地植被指数特征,利用比值植被指数(RVI)、归一化植被指数(NDVI)、差值环境植被指数(DVI)、土壤调节植被指数(SAVI)、修正后的土壤调节植被指数(MSAVI)5种植被指数和植被信号与土壤噪音之比(S/N)对研究区天然草地植被指数进行研究,结果表明研究区天然草地植被覆盖度普遍表现不佳。这说明对研究区天然草地资源的利用应该慎重,并且应重视其生态价值。     

基于辐射传输模型的FPARgreen与几种植被指数的关系研究

为了更好地分析不同植被指数与真实光合有效辐射吸收比例(FPAR_(green))的相关性,利用PROSPECT+SAIL模型对FPAR_(green)进行计算,同时模拟在植被指数类别、叶倾角分布和土壤背景反射率等不同输入参数条件下的多种常见植被指数,观察各植被指数与FPAR_(green)线性拟合精度,寻找最优的植被指数。结果表明,NDVI、SAVI和EVI都是反演FPAR_(green)较好的植被指数。     

马尾松林地土壤有机碳遥感估测

采用卡萨生物圈(CASA)模型的遥感间接估算法对长汀县河田镇马尾松林地土壤有机碳进行模型构建。结果表明:结合多种植被指数构建的综合植被指数(ICV),缓解了归一化植被指数(INDV)在植被净第一性生产力(NPP)反演的饱和现象及高估现象,拟合精度比归一化植被指数提高了17.4%,说明综合植被指数在研究区土壤有机碳(SOC)的估算上有更高的契合度;运用综合植被指数构建的随机森林回归模型,对土壤有机碳预测综合精度(R^2=0.597 2,RMSE=1.76,RM=94.85%)比其他回归模型高,适用于研究区SOC的估算。     

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲-荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3nm/640.5nm波段组合的ARVI表现最佳,R2可达0.7294,均方根误差(RMSE)仅为5.5488。     

东辽河流域土壤含水量遥感模拟

温度植被干旱指数(Temperature-Vegetation Dryness Index,TVDI)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤含水量反演的方法。针对传统的TVDI模型未考虑地表能量平衡因素对地表温度(Ts)的影响和大气及土壤背景对植被指数影响的问题,首先利用数字高程模型(Digital Elevation Model,DEM)影像对研究区做地形校正,消除地形起伏和覆盖类型差对地表温度的影响;其次分析地表温度(Ts)与比值植被指数(RVI)、归一化植被指数(NDVI)、增强型植被指数(EVI)、修正土壤调整植被指数(MSAVI)等植被指数模型和实测土壤含水量的相关性,选择相关性最高的Ts/MSAVI反演土壤含水量。结果表明,Ts/MSAVI能够有效对东辽河地区土壤含水量进行估算。     

基于近地遥感的冬小麦生物量动态监测方法

为探寻准确高效的冬小麦生物量动态监测方法,以2018—2020年SRS-NDVI观测仪监测数据为基础,将冬小麦生物量观测数据以返青期为界分为两个阶段。选取归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI2),计算逐日累积植被指数(CVI)并分别进行曲线拟合分析,建立回归模型,研究各植被指数与实测冬小麦生物量之间的关系。结果表明:冬小麦播种至返青期,最优模型为二次多项式,基于NDVI的累积植被指数模型估测精度最高,y=-0.0479x~2+7.0481x-25.5040,R~2为0.9829,均方根误差(RMSE)为9.61,平均相对误差(MRE)为10.51%;冬小麦返青至成熟期,最优模型为幂函数,最佳估测模型仍为基于NDVI的累积植被指数模型,y=0.0126x~(2.3938),R~2为0.9553,RMSE为150.25,MRE为10.22%。因此,基于NDVI的累积植被指数是冬小麦生物量动态监测的最佳方法,可为作物自动化观测提供新的思路和方法。     

烤烟叶片氯密度高光谱预测模型的建立

连续2 a设置烤烟3个品种处理和3个地点处理,提取10个植被指数[修正三角形植被指数(Modified triangular vegetation index,MTVI)、归一化植被指数1(Normalized difference vegetation index 1,NDVI1)、归一化植被指数2(Normalized difference vegetation index 2,NDVI2)、新型植被指数(New vegetation index,NVI)、比值植被指数1(Ratio vegetation index 1,RVI1)、比值植被指数2(Ratio vegetation index 2,RVI2)、比值植被指数3(Ratio vegetation index 3,RVI3)、水分指数(Water index,WI)、归一化色素叶绿素植被指数(Normalized chlorophyll pigment vegetation index,NCPI)、简单比值水分指数(Simple ratio water index,SRWI)],用一元线性回归模型、多元线性回归模型、BP神经网络模型分别对烤烟叶片氯密度进行估算,比较其对烤烟叶片氯密度的预测效果。结果表明,NDVI2、NVI、RVI2、RVI3、NCPI、SRWI 6个植被指数与烤烟叶片氯密度均极显著相关,相关系数均0.680。一元线性回归模型、多元线性回归模型、BP神经网络模型的决定系数分别为0.617、0.617、0.868,其均方根误差分别为1.573、1.577、0.828。BP神经网络的预测效果比一元线性回归模型、多元线性回归模型预测效果好。     

不同生长期杉木植被指数与蓄积量的关系

处于不同生长期的人工杉木林,其各种生物量的生长和呈现的植被光谱区别较大。利用野外林木的样地实测数据和QuickBird遥感影像呈现的植被光谱,从高分辨率遥感影像获取一系列植被指数,评价不同生长期的人工杉木林的生长状况。结果表明:多个植被指数与蓄积量存在显著的正相关关系,其中比值植被指数(RVI)与蓄积量的相关性大于归一化植被指数(NDVI)、环境植被指数(EVI)和归一化差异绿度指数(NDGI),特别是在杉木处于速生阶段时,可将比值植被指数作为其它估测模型的一种验证。     

准噶尔盆地荒漠灌丛植被地上生物量反演研究

利用回归分析法建立Landsat-8遥感数据提取的归一化植被指数(NDVI)、归一化绿度植被指数(GNDVI)、差值植被指数(DVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)与实测地上生物量的多种反演模型,通过模型精度检验筛选适宜荒漠灌丛植被地上生物量反演的最优模型。结果表明,6种参与建模的植被指数中SAVI最适于构建准噶尔盆地荒漠灌丛草地地上生物量反演模型;筛选出的一元非线性和多元线性回归模型相比于简单一元线性回归模型反演精度更高,所有一元回归模型中二次多项式和三次多项式模型表现最突出,S曲线、指数和幂指数反演精度普遍较低;以SAVI建立的三次多项式回归模型:Y=38.761-129.868x+263.636x~2-90.892x~3(R~2=0.653,P 0.01)最优。     

基于光谱特征的SPOT-5影像马尾松毛虫虫害信息提取

以福建沙县作为研究区,以单期SPOT-5多光谱影像为数据源,基于其光谱特征,构建归一化植被指数(Ndvi)、比值植被指数(Rvi)、绿度植被指数(Gvi)、土壤调节植被指数(Savi)、红边参数等光谱指数作为光谱监测指标,通过建立马尾松毛虫虫情级数模型并进行反演,进而提取虫害信息,其虫害信息提取的总精度为70.75%。研究结果证明利用单时相遥感数据进行马尾松毛虫虫害监测是可行的。