稻田光谱与水稻长势及产量结构要素关系的研究

本文通过对水稻不同生育期的稻田光谱与水稻长势和产量结构的相关分析得出以下几点结论:(1)稻田光谱与水稻长势的相关性较好,特别是在水稻生长后期;(2)抽穗期,稻田光谱与决定水稻产量的各结构要素之间相关系数较高;(3)在水稻灌浆期,稻田光谱与水稻理论产量的相关性较好,特别是800nm的反射光谱值:(4)水稻估产模型是:Y=6.65PVI_D+8.19PVI_H+4.48PVI_Mt+4.36PVI_Ms-0.3,其中:Y-水稻产量;PVI-垂直植被指数,D,H,Mt,Ms,分别代表分化期、抽搐期、灌浆期及乳熟期。     

水稻冠层光谱反射特性的动态变化研究

通过对早稻整个生长期内冠层反射光谱特性动态变化的系统研究表明:①在整个水稻生长期内,水稻冠层反射光谱的比值植被指数(RVI)值呈有规律的变化,在抽穗前,随移栽后天数增加,RVI值也逐渐增大,至抽穗前达到最大值;而抽穗后,则随着移栽后天数的增加,RVI值逐渐下降,至收割前降至最低值;②积温与RVI之间存在着较密切的关系,通过对不同生育期积温与RVI之间进行的线性回归分析表明,在抽穗前,积温与RVI值之间呈极显著正相关;而抽穗后,积温与RVI之间呈极显著的负相关。在遥感估产中,这种水稻冠层反射光谱特性的变化对于校正生育期的估产偏差和提高估产精度可能有重要意义。     

不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析

本研究利用水稻冠层高光谱数据,模拟NOAA-AVHRR,Terra-MODIS和Landsat-TM的可见光波段反射率数据,计算各传感器的多种植被指数(NDVI,RVI,EVI,GNDVI,GRVI和Red-edge RVI),比较植被指数模型对水稻LAI的估测精度,分析不同植被指数对LAI变化的敏感性.相对于红波段植被指数,红边比值植被指数(Red-edge RVI)和绿波段指数GRVI与LAI有更好的线性相关关系,而GNDVI和LAI呈现更好的对数相关关系.MODIS的Red-edge RVI指数不仅模型拟合的精度最高,还有独立数据验证的估测精度也最高,而且它的验证精度较拟合精度下降幅度最小;其次是绿波段构建的GNDVI和GRVI植被指数的估测精度,再次是NDVI和EVI的估测精度,而RVI的估测精度最差.敏感性分析发现,13个植被指数对水稻LAI的估测能力都随着LAI的增加而下降,但归一化类植被指数和比值类植被指数对LAI变化反应的差异明显,归一化类植被指数在LAI较低时(LAI<1.5)对LAI变化的反应开始非常敏感,但迅速下降,而比值类植被指数在LAI较低时,明显小于归一化类植被指数,之后随着LAI的增大(LAI>1.5)比值类植被指数对LAI的变化敏感性,则明显高于归一化类植被指数.Red-edge RVI和绿波段指数GRVI和LAI不仅表现了很好的线性相关关系,而且在LAI大于2.9左右保持较高的敏感性.     

基于多时相MODIS-RVI的玉米遥感估产研究

为了获得更加宏观高效的农作物估产模型,以吉林省德惠市为研究区,以MODIS为数据源,进行了玉米估产模型研究。通过分析比值植被指数(RVI)与玉米产量之间的相关关系,建立玉米单产预测模型。研究表明,利用多时相的RVI对玉米点进行遥感回归估产可得到较好的估算效果,模型相关系数可达0.825,均方根误差为7.61,验证点的实际产量与理论产量间的相对误差均在10%以内,对吉林省德惠市玉米估产模型研究具有一定的指导意义。     

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。     

基于冠层反射光谱的水稻产量预测模型

基于地面实测的水稻冠层反射光谱,计算了常用的8个植被指数,并在产量形成生理特征的基础上,系统分析了水稻籽粒产量及其构成因素与各植被指数之间的关系。结果表明,通过单一生育时期或某个生育阶段的光谱植被指数来直接估测产量精度较低。发现叶面积氮指数(叶片氮百分含量与叶面积指数的乘积)的变化趋势很好地反映了产量的形成过程,且与光谱植被指数极显著正相关,基于此建立了水稻的光谱植被指数-累积叶面积氮指数-产量估测模型(VICLANIYieldModel)。并将其与LAD-产量模型、多生育期复合估产模型进行了比较,表明本模型预测精度最高。     

基于Landsat影像的NDVI与RVI反演结果实验与分析

为研究归一化植被指数(NDVI)和比值植被指数(RVI)的特点,选取德阳市旌阳区作为实验区,以2007年、2014年和2018年的Landsat影像为数据源,反演得到实验区NDVI和RVI的分布状况.结果表明,二者均能较客观地反映地表植被覆盖的整体情况;通过剖面分析发现,当NDVI值在0.5左右时,RVI反映的地表植被覆盖状况变化非常显著,当NDVI值在0.2左右时,部分RVI反映的地表植被覆盖状况与实际存在一定的差异,个别低植被覆盖区域RVI值在1附近.     

基于主成分分析的植被指数与叶面积指数相关性研究

综合分析了玉米叶面积指数与几种常见光谱植被指数相关性,确定主成分分析方法在反演叶面积指数中的作用。首先,借助MATLAB编程软件,以植被指数与玉米叶面积指数相关性最高为原则,选出遥感影像上各种植被指数,其波段组合为NDVI(752.4/701.5),RVI(752.4/701.5),MSR(752.4/701.5),SAVI(823.7/701.5),MSAVI(823.7/701.5),然后,对这5种植被指数进行主成分分析,建立LAI-VI多元逐步回归模型,并对模型精度进行验证,总体估测精度为96.237%。经实验验证,利用主成分分析方法在反演植被叶面积指数时能够起到较好的效果,具有广泛的应用前景。     

无人机多光谱影像的天然草地生物量估算

地上草地生物量是衡量天然草地生态系统的重要指标,是草地资源合理利用和载畜平衡监测的重要依据。为了快速、准确、有效地估算天然草地地上生物量,掌握其变化规律,以天山北坡天然牧场为研究区,分析其地上生物量的时空分布特征。根据研究区阴坡与阳坡不同的草地类型和植被种类,利用多旋翼无人机获取的高分辨率多光谱影像(含近红外波段),结合地面实测数据,在进行天然草地地上生物量与植被指数相关性分析的基础上,运用回归分析方法,建立生物量和多种植被指数的估算模型。结果表明:考虑地形因子(阴阳坡)之后,植被地上生物量与各植被指数的相关性系数显著提高;不同坡向,同一植被指数拟合精度差异较大;同一坡向,各个植被指数的敏感性也有所不同。总体上,比值植被指数(RVI)与阴阳坡草地生物量拟合效果最好,模型精度均达到75%以上。利用植被指数建立的生物量估算方法结果与实际相符,可为天然草地生态系统检测和草地资源合理利用提供方法和依据。     

引黄灌区水稻叶面积指数的高光谱估测模型

水稻叶面积指数（leaf area index,LAI）是评价其长势的重要农学参数,高光谱遥感能够实现叶面积指数的快速无损监测。为了寻找反演水稻LAI的最优植被指数,扩展水稻LAI高光谱估测模型的普适性,选取宁夏引黄灌区水稻为研究对象,通过设置不同氮素处理,借助相关分析、回归分析等方法研究高光谱植被指数与水稻LAI之间的定量关系,并通过确立的最优波段组合,构建4种植被指数与水稻LAI的高光谱反演模型。结果表明,水稻LAI在抽穗末期达到最大值,并随氮素水平的增加而增加;水稻冠层原始光谱反射率在400~722 nm和1 990~2 090 nm波段与LAI达到极显著负相关水平,在近红外区域760~1 315 nm与LAI呈极显著正相关。模型检验结果表明,以比值植被指数RVI（_850,750）为变量建立的水稻LAI估测模型最佳,研究结果可为水稻LAI的高光谱估测提供地域参考。     

高光谱反演水稻叶面积指数的主成分分析法

为了通过水稻冠层反射光谱来提取水稻叶面积指数信息，尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱， 比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现，红边位置光谱可以较好地区分LAI和叶绿素 浓度二者引起光谱变化的差异。由此提出对700 nm~750 nm区间内的反射光谱做主成分变换，并利用第2主成分与LAI建立反演模型( 即主成分分析法)，取得了较好效果，表明在植被指数趋近于饱和以至于无法区分二者相关性时，主成分分析法可以作为一种简单 而有效提取水稻叶面积指数信息的补充手段。     

遥感植被指数对多时相AVHRR数据主成分分析的影响

对中国全年36个旬NOAA－AVHRR的1km覆盖数据进行两步处理：分别采用比值植被指数RVI、归一化植被指数NDVI、土壤调整植被指数SAVI和修改型土壤调整植被指数MSAVI最大值合成方法从每3旬数据合成每月数据；对每一种处理后的原始数据计算四种植被指数，并对这16种数据进行了主成分变换，分析不同处理方式对主分量积累方差和各主分量所分映生物学规律的影响。     

SO2污染环境下水稻导数光谱与生理生化指标的相关性研究

通过田间开顶式小区熏气试验,研究在SO2急性伤害条件下水稻冠层导数光谱与叶片含硫量、叶液pH值以及叶绿素含量的相 关性。分别选择分蘖期和抽穗期显著相关的波段(分蘖期： 689 nm、584 nm、570 nm; 抽穗期： 689 nm、584 nm、585 nm)建立 预测叶片含硫量、叶液pH值及叶绿素含量的回归模型,并分别用拔节期和灌浆期相应导数光谱反射率检验模型预测精度。结果表明 ,由分蘖期建立的回归模型估测拔节期叶液pH值以及叶绿素含量与实测值之间相关系数分别为0.884和0.630; 由抽穗期建立的回 归模型估测灌浆期的叶片含硫量、叶绿素含量与实测值之间相关系数分别为0.659和0.768,均通过显著检验。     

基于Landsat TM6的林区温度反演研究

主要研究利用Landsat TM6热红外波段遥感数据定量反演林地温度的方法与可行性。首先计算了研究区的比值植被指数（RVI），然后利用单窗算法开展林地温度反演，建立起了林地温度与比值植被指数之间的相关关系。研究结果表明：利用单窗算法反演的林地温度精度较高；林地温度与比值植被指数（RVI）25间存在着密切的负相关关系，林地温度与林冠变化之间关系十分密切。     

冬小麦叶面积指数的高光谱估算模型研究

本文以山东禹城为研究区,利用地面实测光谱数据,探讨不同植被指数和红边参数建立高光谱模型反演冬小麦叶面积指数的精度。通过逐波段分析计算了4种植被指数(NDVI、RVI、SAVI、EVI),结合同步观测LAI数据,确定反演叶面积指数的最优波段;计算了5种常用的高光谱植被指数MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同时利用4种常用方法计算红边位置和红谷,与实测LAI进行回归分析,比较植被指数和红边参数模型对冬小麦LAI的估测精度。结果表明各因子与LAI均具有较高的相关性,整个研究区归一化植被指数具有最高的反演精度,确定了估算冬小麦LAI的最优模型,并使用独立的LAI观测数据对模型进行了验证。