排序方式: 共有5条查询结果,搜索用时 453 毫秒
1
1.
植被冠层含水量CWC (Canopy Water Content)和植被地上部分含水量VWC (Vegetation Water Content)对于植被健康状况和土壤干旱监测具有重要意义。本文联合PROSAIL辐射传输模型和植被水分指数NDWI(Normalized Difference Water Index),发展了一种简单、通用性较好的低矮植被CWC和VWC反演方法,可实现中、高空间分辨率下的CWC和VWC估算。首先对PROSAIL模型输入参数进行敏感性分析,明确各参数对模型输出反射率的影响机制,以优化PROSAIL模型输入参数设置并生成低矮植被的反射率模拟数据。基于模拟数据,计算了4个植被水分指数NDWI_((860,1240))、NDWI_((860,1640))、NDWI_((1240,1640))和NDWI_((860,970))用于反演低矮植被CWC和VWC。基于模拟数据的结果表明,4个植被水分指数与ln (CWC)都存在明显的线性关系,基于该关系建立了CWC估算模型。该模型可以直接用于低矮植被CWC估算,并通过VWC与CWC之间的经验关系间接计算得到VWC。模型模拟结果也表明,由于NDWI_((860,1640))和NDWI_((1240,1640))高度相关(R~2=0.99),两者可以提供相似且相对较好的低矮植被CWC估算精度。基于地面实测数据的验证结果与基于模拟数据的结果表现出很好的一致性,即基于NDWI_((860,1640))和NDWI_((1240,1640))估算的VWC都有相似且较高的精度,决定系数(R~2)都为0.88,均方根误差(RMSE)分别为0.4558 kg/m~2和0.4380 kg/m~2。利用Landsat 5 TM数据对NDWI_((860,1640))估算效果的验证结果显示,模型估算CWC与地面实测CWC的R~2为0.84,RMSE为0.1342 kg/m~2,估算VWC的RMSE为0.5651 kg/m~2。本文提出的基于NDWI_((860,1640))和NDWI_((1240,1640))的CWC/VWC估算模型可被用于低矮植被的长势监测和干旱监测,为低矮植被覆盖地表的土壤水分反演提供高质量的植被水分信息。 相似文献
2.
山地叶面积指数反演理论、方法与研究进展 总被引:2,自引:0,他引:2
叶面积指数LAI(Leaf Area Index)是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。 相似文献
3.
4.
5.
1