马尾松LAI与植被指数的相关性研究

以福建省永安市区为研究区,计算IRS-P6(LISS-Ⅲ)多光谱数据的DVI、EVI2、MSAVI、NDVI、RDVI、RVI及TNDVI等7种植被指数,并与使用LAI-2000测量的马尾松叶面积指数(LAI)建立相关关系,分析植被指数对马尾松LAI的影响。从决定系数(R2)和标准误差两个方面对基于不同植被指数的LAI反演模型进行定量分析,反演模型包括线性模型、二次曲线模型、幂函数曲线模型和指数曲线模型4种。结果表明,马尾松LAI与植被指数呈指数曲线相关或幂函数曲线相关。反演马尾松LAI,最佳的统计模型是指数曲线模型和幂函数曲线模型,较佳植被指数为TNDVI、NDVI和RVI,其指数曲线模型和幂函数曲线模型拟合的R2均高于0.76,且验证结果R2均高于0.84,但RVI指数反演的模型标准误差相对较大。总体而言,TNDVI和NDVI的指数曲线和幂函数曲线模型对马尾松LAI具有较好的预测性。     

基于北京一号CCD数据的植被指数特性分析

植被指数是遥感领域用来表征地表植被覆盖及生长状况简单而有效的度量参数,在环境、生态、农业等领域都有广泛的应用。但由于植被指数繁多,在选择和应用植被指数时往往很随意或盲目。本文以北京一号覆盖永安市的CCD多光谱数据为例,基于光谱、方差和多重分析方法,对13种植被指数特性进行分析。结果表明:RGNDI、RGRI、MSAVI、TNDVI、NDGI可以较好区分农田和浓密林地;RGNDI、NDGI、RGRI可以有效地消除阴影的影响,却易与水体混淆;在不考虑阴影的情况下,NDVI、RVI、RDVI、GRNDVI比RGNDI、NDGI、RGRI可以更好区分不同覆盖程度的植被。