基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下 ,以吉林省德惠市夏家点镇为研究区 ,探讨了一条基于TM遥感影像反演得到的归一化植被指数 (NDVI)与地面观测数据叶面积指数 (LAI)的水稻生长状况的研究途径 ,并利用NDVI以及LAI对该区 2 0 0 0年和 2 0 0 1年的水稻生长状况进行了分析研究。     

基于NDVI先验知识的LAI地面采样方法

针对非均质中低分辨率像元的叶面积指数LAI验证中如何布设基本采样单元ESU的问题,提出基于NDVI先验知识的ESU布设方法,并采用不同植被类型、不同均匀程度的地表作为模拟场,分析对比了方法的精度及稳定性。结果显示,本文方法用NDVI先验知识描述植被的生长空间分布信息,能相对准确地划分植被的不同生长水平,有效降低层内方差。在草地和森林地区的试验中,精度与稳定性均优于传统的随机采样、均匀采样和基于分类图的3种采样方法。因此,本文提出的采样方法为大尺度非均质区域LAI地面验证的采样方案提供了新的设计思路。     

波段位置和宽度对不同生育期水稻NDVI影响研究

通过对不同生育期水稻冠层光谱的分析,探讨了不同波段位置和波段宽度对不同生育期水稻NDVI的影响.以及在一定NDVI精度要求下红光波段最大宽度和波段中心位置的相互作用.结果表明,在所有生育期,近红外波段的位置和宽度对NDVI影响不大;红光波段的位置和宽度对NDVI有较大影响,特别是红光波段位置接近红谷极值(670nm附近)时影响尤为显著.相对而言水稻生育前期的NDVI更容易受到波段位置的影响,但是波段位置对不同生育期之间NDVI的差值影响不大.无论红光波段还是近红外波段,当取值处于红边区域(690-740nm)时,对NDVI有较大影响.当保证NDVI偏差在1%以内时,在水稻生长旺期,构成NDVI的红光波段最大宽度随着波段巾心位置向长波移动而逐渐变窄,当到达690nm附近达到最窄,而后略有变宽;对于生长前期和后期,由于在648nm附近变窄而有波动.     

NDVI时序曲线形状相似性模型的水稻提取方法

基于土地利用现状图与经验观测,提取标准水稻NDVI时序曲线,利用傅立叶形状描述子计算MODIS-NDVI时序曲线与标准的水稻NDVI时序曲线形状相似性距离,通过样例数据探测未知像元与样本的相似性距离阈值,从而判别双季水稻种植区域。以江汉平原2010年的数据进行实验,证明此方法识别的双季水稻种植区域面积误差为8.6%,总体精度为80%,较为理想。该方法将遥感光谱信息与几何形状的识别相结合,有效减少了个别时段光谱信息误差引起的识别错误,提高了识别水稻种植区域的有效性。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

HJ-1A CCD与TM数据及其估算草地LAI和鲜生物量效果比较分析

基于地面实测和PROSAIL模型模拟数据,研究了新型传感器HJ-1ACCD与TM数据一致性问题,分析了传感器天顶角和光谱相应函数差异的影响,对比两种传感器数据估算草地LAI和鲜生物量的效果,得出以下结论:(1)HJ-1ACCD和TM反射率数据的拟合系数R2在0.7322和0.9205左右,在反射率较小时,两种传感器数据一致性较好;随着反射率增大,HJ-1ACCD数值逐渐高于TM。总体而言,在可见光和近红外波段,两种传感器较为接近,其中红波段最接近。(2)两种传感器的NDVI数据一致性非常高,且受传感器天顶角和光谱响应函数影响作用较小(相对误差约为0.34%—0.53%),而反射率的相对差别在3.34%—9.54%。(3)传感器天顶角较光谱响应函数对反射率影响更大。(4)基于HJ-1ACCD反射率数据估算草地LAI和鲜生物量效果较好,其中以CCD2传感器估算效果最好。     

基于NDVI的决策树分类方法研究

20世纪80年代以来,随着城镇化进程的快速发展,我国土地利用结构发生了明显的变化。及时准确地掌握土地利用状况有利于有关部门根据土地利用现状做出合理的规划和正确的决策,有利于促进经济和社会的协调发展。本文针对石河子垦区地物覆盖的特点,综合分析了不同覆盖类别区域的时序NDVI特性以及他们之间的差异性,选择最能反映土地覆盖情况和有效区分不同地类的两期TM影像,解算制作NDVI亮度图。利用均值滤波器对NDVI亮度图进行平滑处理,降低噪声。根据不同地物时序NDVI的差异选择适当的阈值进行决策树分类。精度评价结果表明该方法能够简单有效的区分不同覆盖类型的地类,特别是季节性变化差异较大的地区。     

基于MODIS的LAI时间序列谱的地物分类方法研究

利用MODIS数据所反演的每8d一景,全年共46景的时间序列叶面积指数(LAI)图像,分析江西省不同类型地物的LAI时间序列谱,并对地物进行分类。首先,利用最小噪声比变换技术(MNF)将噪声从数据中分离;然后,通过纯净像元指数(PPI)从LAI时间序列谱中提取5类主要地物类型终端单元(Endmember),从而对地物进行分类并制图;最后,结合2000年江西省兴国县1 10万比例尺的土地利用/覆盖矢量图对本研究分类结果进行检验。结果表明,该方法的地物分类精度达到74.45%,其分类方法是有效可行的。     

基于K-T变换的NDVI提取方法研究

阐述了K-T变换的原理及其在植被信息提取方面的优点。将基于K-T变换提取的NDVI结果与直接在TM影像上提取的NDVI结果进行比较。实验结果表明,基于K-T变换的NDVI提取方法得到的结果图像纹理清晰、光谱保持能力强,对于区域植被覆盖信息提取,进而对生态环境变化、荒漠化等研究具有较重要的意义。     

基于新型机载多角度传感器AMTIS的LAI反演

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(LAI)反演实验研究,并用实地LAI数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。     

基于神经网络的LAI遥感反演影响因素分析

基于BP神经网络和植被冠层辐射传输模型PROSAIL对LAI进行反演,针对BP神经网络中网络结构设计的关键问题,从网络隐含层层数、隐含层节点数和学习速率等3个方面进行分析与讨论,确定了最佳的BP网络结构,取得了较好的反演结果。     

一种基于高光谱遥感数据的植被LAI反演算法

针对高光谱遥感数据反演叶面积指数(LAI)的问题,提出了基于主成分变换(PCA)的综合反演算法。研究表明,利用变换后的高光谱数据建立的神经网络反演模型具有更好的泛化性,提高了实测数据的反演稳定性和精度,同时加快了反演速度。     

基于背景库的高质量LAI时间序列数据重建

叶面积指数LAI(Leaf Area Index)是表征植被冠层结构的重要参数,然而由于云等大气因素的影响,MODISLAI时间序列产品在时间与空间尺度的连续性仍存在问题。随着先验知识在遥感反演中的地位不断得到加强,本文将多年LAI历史数据作为先验知识,用以建立LAI背景库,并提出了基于LAI背景库的Savitzky-Golay(SG)滤波算法来实现LAI时间序列数据的降噪工作。结果表明,与传统SG滤波相比,新算法能够更加客观有效地重建LAI时间序列。     

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。     

水文模型的LAI优化与单网格土壤湿度同化

利用可变下渗能力水文(VIC)模型和MODIS反演的月叶面积指数(LAI)分析了模拟土壤湿度对LAI的敏感性,以及年际动态变化的LAI对VIC模型土壤湿度模拟能力的影响;并利用集合卡尔曼滤波同化法将CCI土壤湿度数据同化进增加了LAI年际变化能力的VIC模型中。敏感性分析表明,模拟土壤湿度全年对LAI敏感,且夏天高于冬天。站点数据的验证结果表明,年际动态变化的LAI能提高模拟土壤湿度的精度,无偏均方根差异(ubRMSD)减少了2.2%,相关系数提高了9.3%;土壤湿度经过同化后能使均方根误差(RMSE)降低4.5%,平均偏差(MBE)降低5.3%。     

基于K—T变换的NDVI提取方法研究

阐述了K—T变换的原理及其在植被信息提取方面的优点。将基于K—T变换提取的NDVI结果与直接在TM影像上提取的NDVI结果进行比较。实验结果表明,基于K—T变换的NDVI提取方法得到的结果图像纹理清晰、光谱保持能力强,对于区域植被覆盖信息提取,进而对生态环境变化、荒漠化等研究具有较重要的意义。     

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...     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。     

山东半岛丘陵区NDVI的空间分布及与降水量的关系研究

本文应用3S技术生成数字高程模型(Digital Elevation Model,DEM),以山东半岛丘陵区为研究对象,解译出27条河流的流域范围。采用空间内插法计算流域内降水量,通过应用3S技术提取了相应年份的NDVI,最后对27个流域的降水量和NDVI进行了相关分析。结果表明:研究区内的NDVI较小,平均NDVI为0.0962;ND-VI与降水量在空间变化上存在一致性,关联程度极其显著(在0.01水平上),关联系数R=0.498>0.478=α0.01(26),呈线性回归关系。     

基于NDVI估算植被覆盖度的研究——以滁州市为例

植被覆盖度是衡量地表植被状况的一个最重要的指标,也是影响土壤侵蚀与水土流失的主要因子。本文是在像元二分模型两个重要参数(NDVIveg、NDVIsoil)推导的基础上,对已有模型进行了改进,建立用归一化植被指数(NDVI)估算植被覆盖度的模型,并应用该模型计算出滁州市的植被覆盖度。通过滁州市部分地区的实地考察,对植被覆盖度的估算结果进行了验证,结果表明使用此改进模型进行植被覆盖度遥感监测是可行的。