基于TM数据的植被覆盖度反演

本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。     

基于高光谱曲线峰度、偏度的植被叶绿素含量反演模型研究

本文分析了高光谱反射率及红边位置与叶片绿度的相关性,建立了基于敏感波段和红边位置的叶绿素估算模型。通过对不同叶绿素含量高光谱曲线特征的分析,提出了基于高光谱曲线峰度和偏度的叶绿素估算新思路,并分别建立基于原始光谱560-760nm波段和一阶导数光谱660-760nm波段对应峰度、偏度的叶绿素反演模型。结果表明,法国梧桐、无花果和白毛杨基于敏感波段的叶绿素含量反演模型的拟合度,与传统估算模型相比,本文提出的新估算模型可以明显提高高光谱反演叶绿素含量的能力。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

基于Hyperion影像的水稻冠层生化参量反演

采用小区实验与大田应用相结合的方法, 依据扬州实验小区地面实测拔节期、抽穗期及灌浆期的水稻叶片、冠层光谱及氮和叶绿素含量, 采用光谱吸收特征和植被指数分析方法, 得到估算水稻氮和叶绿素含量的最佳光谱特征参数; 结合覆盖江苏姜堰地区大田的Hyperion高光谱遥感影像, 建立反演水稻冠层氮和叶绿素含量的模型, 对研究区大田水稻冠层氮和叶绿素含量进行了反演及制图。结果表明: 经波深中心归一化方法分析, 发现以670nm为中心的光谱吸收特征面积与水稻氮含量呈显著相关性; 基于反转归一化光谱, 结合560nm和670nm两个波段, 建立的植被指数NDVI560_670能很好地反演水稻叶绿素含量。     

基于支持向量机的作物叶绿素含量反演模型

针对现有研究在准确估算叶绿素含量方面的不足,该文运用粒子群优化算法和支持向量机构建叶片尺度作物叶绿素含量高光谱反演模型:利用PROSPECT模型模拟作物光谱,并运用所对应的叶绿素含量建立训练数据集,然后采用粒子群优化算法支持向量机学习训练数据集,最后建立实测叶片叶绿素含量估测模型。研究结果表明,粒子群优化算法和支持向量机构建的反演模型能准确预测作物的叶绿素含量,能够解决小样本作物采样点情况下叶绿素含量反演问题,可以作为作物叶绿素含量估测的参考方法。     

基于Hyperion影像的土地沙漠化研究

使用遥感影像数据可以提取土地沙漠化信息,通过遥感影像所表现的不同信息,可以判断土地沙漠化的发生及其发展程度等。针对EO-1Hyperion高光谱遥感影像成像的特点,探讨高光谱Hyperion影像的预处理和土地沙漠化的计算方法,研究中采用像元二分法从高光谱EO-1 Hyperion影像反演了土地沙漠化。     

基于主成分分析和BP神经网络的法国梧桐叶绿素含量高光谱反演研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;综合分析了10个常见光谱植被指数与法国梧桐叶绿素含量的相关性与预测性;最后利用主成分分析对光谱数据进行降维,将得到的主成分得分作为BP人工神经网络模型的输入变量进行了法国梧桐叶绿素含量的估算。结果表明:法国梧桐的叶片反射光谱数据与叶绿素含量的相关性在可见光区域显著,导数光谱数据在绿黄光区和红光区的部分波段与叶绿素含量的相关系数大于对应波段光谱反射率与叶绿素含量的相关关系。在所列举的10个常用植被指数中归一化植被指数与叶绿素含量的关系最密切,相关系数达到了0.7957。主成分分析的BP神经网络模型可以容纳更多的波段信息进行叶绿素含量的估算,预测值与实测值之间的线性回归的确定性系数R2为0.9883,是一种良好的植被叶绿素含量高光谱反演模式。     

路域植被叶绿素多光谱遥感定量反演研究

叶绿素是植被光合作用的主要物质,准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱,以TM影像为数据源,分析物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性,研究利用多光谱信息定量反演路域植被叶绿素含量的可行性。研究结果表明,植被光谱反射率与叶绿素含量之间有较强的相关性;利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性。该研究成果为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。     

基于多源遥感数据的植被覆盖度反演方法比较研究

采用GF-1号、ZY-3号以及Landsat-8卫星数据,利用回归模型和像元二分模型,通过对建立的四类植被指数NDVI、MSAVI、MVI和RVI,结合野外调查数据,提出NSD的概念来评价模型及方法的精度。实测数据与各类遥感影像的4种植被指数间均存在着显著的相关关系;通过NSD精度验证,说明空间分辨率较低的遥感数据,在一定程度上提高了反演精度;在4类植被指数中,RVI与MSAVI对于三类数据反演精度较高,且MSAVI对于较低分辨率遥感数据可能具有更好的消除土壤背景影响的作用。     

基于环境小卫星数据反演太湖叶绿素含量

以太湖为研究对象,根据环境一号卫星数据和实测得到的水面叶绿素a浓度,利用ENVI软件对太湖地区进行校正和裁剪等有关处理并获取光谱信息与实测叶绿素含量来进行建模选取,最后对模型反演结果进行对比并做精度验证。选取了遥感影像成像叶绿素a浓度值,对得到的58个样本进行分析,从样本随机选取2/3的数据用于建模,剩下1/3数据用于模型验证,得到了37个建模样本和20个验证样本,通过验证说明,本文所建立叶绿素a浓度反演模型具有较高的精度。     

估算混合植被叶绿素含量的理想波段分析

应用Lopex数据库评价了19个波谱指数对物种的敏感性, 分析了叶绿素含量与波谱反射率以及波谱导数的相关性, 目的在于探寻对叶绿素含量变化的敏感性, 对物种和叶片结构变化不敏感的理想波段, 应用大尺度遥感数据估算混合植被冠层叶绿素含量。分析结果表明：红边指数对混合植被的叶绿素含量具有较好的指示作用;估算冠层叶绿素含量的理想波段为698—710nm附近较窄的波段范围;对于波谱导数, 估算混合植被叶绿素含量的理想波段范围为720—735nm和535—550nm附近波谱导数。     

基于带模型的叶绿素a浓度反演精度评估

为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的“带模型”.通过研究与探讨可知,当叶绿素a浓度为10～20 μg/L和50～100 μg/L时,叶绿素a浓度的反演误差...     

基于连续小波分析的混合植被叶绿素反演

利用DB4小波函数对两个尺度4个数据集混合植被高光谱数据进行连续小波分析,分析小波系数与叶绿素含量之间的相关性,建立模型并利用验证数据进行验证,将模型精度与植被指数经验模型进行比较,最后进行了不同数据集之间的交叉验证。结果表明,在叶片尺度与冠层尺度上,基于连续小波分析进行混合植被叶绿素反演,所得模型精度均高于植被指数经验模型精度;在相同尺度上,模拟与实测数据集之间有相同的小波系数特征区域,可以用来进行叶绿素含量反演。     

基于UHD185成像光谱仪的茶叶叶绿素含量反演

UHD185成像光谱仪可分析茶叶中叶绿素的含量,从而快速、无损地鉴定茶树的健康状况和茶叶的品质。以华中农业大学茶园为研究区,通过无人机搭载UHD185成像光谱仪进行光谱测量和叶绿素含量测定,利用偏最小二乘法回归(PLSR)、向前逐步回归结合PLSR和支持向量机(SVM)非线性回归方法建立光谱数据和叶绿素含量的反演模型。结果表明,利用PLSR建立的回归模型得到的叶绿素预测值和实测值的相关系数为0.65;利用向前逐步回归结合PLSR建立的回归模型得到的叶绿素预测值和实测值的相关系数达到0.78;SVM非线性回归建模的相关性较高,预测值和实测值的相关系数为0.88。因此,可利用向前逐步回归结合PLSR和SVM非线性回归作为茶叶叶绿素含量的反演模型。     

基于MODIS的干旱区植被覆盖度反演及植被指数优选

为进一步掌握塔里木河下游输水后的生态恢复程度,以输水河畔的植被覆盖度为研究对象,采用MODIS数据构建研究区多种植被指数;结合现场实测植被覆盖度,给出离散坐标下实测植被覆盖度与各种植被指数间的二维散点图,据此得出二者相关方程,反演区域植被覆盖度.结果表明,基于MODIS数据构建的NDVI、MSAVI、SAVI和EVI等...     

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于G F-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型.文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段...     

岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

光谱波段宽度对森林叶片叶绿素含量反演的影响分析

随着传感器技术的发展,高光谱数据光谱的波段宽度逐渐变窄,如何从海量的光谱数据中找到最优的光谱波段反演叶绿素含量,成为研究的难点问题。本文在测量华中农业大学狮子山6种主要树种的光谱数据和叶绿素含量的基础上,利用叶绿素指数(CI)和回归方法反演叶绿素含量,并分析了波段宽度对反演叶绿素含量结果的影响,结果发现波段宽度会影响到叶绿素反演的精度,当波段宽度为30nm时,叶绿素含量与"红边"区域(700nm-730nm)和近红外区域(770nm-800nm)叶绿素指标(CI)间的线性关系较好,决定系数可达到77.62%,均方根误差为10.6ug/cm2。