高光谱数据与水稻叶面积指数及叶绿素密度的相关分析

分析了北京大屯科技站水稻叶面积指数 (LAI)、叶绿素密度 (CH .D)与高光谱分辨率遥感数据在整个生育期内的变化过程。利用微分技术处理水稻群体反射光谱以减少土壤等低频背景光谱噪音的影响。通过单相关分析和逐步回归方法研究水稻LAI、CH .D分别与光谱反射率、反射率的一阶微分光谱的相关关系 ,并建立预测回归方程。结果表明 ,微分技术能够改善光谱数据与LAI、CH .D的相关性 ,CH .D与光谱数据的相关明显优于同LAI的。     

美国西部黄松叶面积指数与高光谱分辨率CASI数据的相关分析

本文介绍了美国俄罗冈州西部黄松的叶面积指数(LAI)与小型航空光谱制图成像仪(CASI)获取的高光谱分辨率数据进行的相关分析。在试验场地上使用LAI-2000植物冠层分析仪测得8个LAI值(0.87—2.72)。对CASI数据进行一阶和二阶微分处理,以减少土壤背景光谱对森林光谱的影响。使用逐步回归分析方法探索LAI与CASI数据的关系。由回归分析产生多元线性方程和相应的拟合度(GOF)及估计LAI的标准误(SE)。结果说明光谱微分技术能够提高LAI和CASI数据的相关性,因而可以改善LAI的估计精度。如,对于单通道LAI预测的最高GOF值是0.681,SE是0.345,而经一阶和二阶光谱微分处理后,GOF被分别提高到0.904和0.898,SE被分别降低到0.189和0.195.     

利用高光谱数据对作物群体叶绿素密度估算的研究

叶绿素是农作物生长中重要的因素。叶绿素含量既表明作物生长的状况,又表征了作生的生产能力。而叶绿素密度（单位面积农作物的叶绿绿素含量）是估计农作物群体生产力的重要指标。对早播稻、晚播稻和玉米的多时相的群体光谱测量数据和相应的叶片叶绿素密度的测量数进行了相关分析,结果表明早播、晚播稻和玉米的群体光谱的反射率数据以及其导数光谱数据绿素密度具有委好多的相关性,并且可以对这几种农作物建立统一的线性回归关系。     

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。     

遥感估算水稻产量Ⅱ.用光谱数据和陆地卫星图像估算水稻产量

本文介绍了采用更系统的生物学方法,根据水稻在整个生长期的叶面积指数轨线,按叶面积指数的一次测量值,结合气象和光谱数据及陆地卫星MSS图像,估算大面积水稻产量的方法。 在产量与总截获的关系中,叶面积指数是最重要的参量之一。文中重点分析了由水稻在MSS波段内的光谱数据构成的绿度指数和Suits模式估算叶面积指数的结果。表明,用Suits模式计算的叶面积指数有较高的相关系数和较低的剩余标准差。并用这个方法计算了不同田块的叶面积指数,再根据这些数据和MSS图像建立关系。本文比较了卫星数据和多种绿度指数的关系,认为垂直植被指数(PVI)是估算叶面积指数的最好参量,因为它消除了土壤背景的影响,并用它求出了大面积水稻的叶面积指数分布。再根据已建立的叶面积指数轨线和作物截获的有效光合辐射(TIPAR)关系,计算了TIPAR,编制了产置分布图。文章分析了计算结果,并以1983年的例子进一步讨论了该方法的适用性。结果表明,预测的水稻产量和实测产量间的相关系数为0.9左右。     

光谱指数用于叶绿素含量提取的评价及一种改进的农作物冠层叶绿素含量提取模型

对目前提出的光谱指数用以提取叶片叶绿素含量的适应性进行了分析和评价。通过分析,解释了为什么研究者得出这些指数与他们的观测样本叶绿素含量有显著的相关的结论以及为什么某个研究者提出的某个指数和叶绿素含量间的关系用于其他样本时会失效。此外,改进了一个农作物冠层叶绿素含量的提取模型,通过独立实测数据验证,效果较好,认为是可以用于其他地区农作物叶绿素含量提取的模型。     

森林生物化学与CASI高光谱分辨率遥感数据的相关分析

该文介绍了利用光谱范围约 417— 80 0nm的航空高光谱分辨率数据估计森叶族叶化学成分浓度的分析方法。沿横跨美国俄勒冈州中西部收集 6个研究立地上的小型机载成象光谱仪 (CASI)数据。 3个族叶化学成分 [总叶绿素 (TC)、全氮 (TN)和全磷 (TP) ]从相同的研究立地取样并在实验室测定。使用多元统计和光谱微分技术评价CASI数据用于估计冠层生化浓度的潜力和效率。 12个族叶化学成分样本被测定 ,并同时在相同立地上提取CASI图象数据。 7个单回归模型被用来探索单波段和植被指数与 3个化学成分的线性与非线性相关关系及预测效果。光谱微分技术被用来压缩背景噪音对目标光谱的影响。利用CASI原始光谱、一阶和二阶微分光谱数据和逐步回归分析来预测TC、TN和TP。结果表明采用光谱微分技术能显著地改善由拟合度 (R2 )和均方根差(SE)描述的森林冠层化学成分浓度的估计精度。由单波段分析的结果说明族叶化学与CASI数据间的相关性很低。事实上 ,对于TP ,CASI原始数据与实验室测定的数据几乎无关     

基于高光谱数据和RBF神经网络方法的草地叶面积指数反演

基于中国农业科学院在呼伦贝尔草原实测的120组草地冠层光谱反射率及相应的叶面积指数(LAI)数据,在进行主成分分析(PCA)实现降维处理的基础上,利用径向基函数(radial basis function,RBF)神经网络方法对草地LAI进行了高光谱反演研究.PCA结果表明,前9个主成分的累积贡献率达到了99.782％,能包含原光谱数据的绝大部分信息.将120组LAI及相应的9个主成分样本数据随机分为校正集数据(90组)和预测集数据(30组),分别用于神经网络模型的建立和LAI的预测.所构建的神经网络模型的模拟结果表明,RBF神经网络模型对校正集样本的模拟准确率达到100％(RMSE =0.009 6,R2 =0.999);预测集样本的实测LAI和模拟LAI之间的均方误差和决定系数分别为0.218 6和0.839,取得了较好的模拟效果,有效提高了传统的多元线性回归方程(RMSE =0.416 5,R2=0.570)的计算精度.     

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。     

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。     

MODIS LAI产品真实性检验与偏差分析

当前对MODIS LAI产品的真实性检验工作中,更多的是关注遥感产品在数值与趋势上与地表真值的一致性程度,很少工作能够全面分析遥感LAI产品偏差来源以及不同来源的偏差对全局偏差的贡献率。本文在对MODIS LAI产品进行真实性检验基础之上,进一步分析了MODIS LAI产品偏差来源。将遥感产品真实性检验偏差来源分解为反演模型,反射率数据和冠层聚集效应3个方面,并定量分析各个偏差源对真实性检验结果的影响。以河北省怀来玉米为研究对象,结合实测LAI数据和Landsat 8 OLI(Operational Land Imager)数据建立NDVI LAI半经验模型,得到LAI参考数据,据此对MODIS LAI产品进行真实性检验及偏差分析。研究表明,该区域MODIS LAI产品存在明显的低估现象,参考数据和MODIS LAI数据均值分别为3.53 m2/m2和2.33 m2/m2,MODIS产品低估为34.14%。在各个偏差因素中,反射率数据的差异对结果影响最大,即MODIS地表反射率数据与Landsat 8 OLI地表反射率数据的差异造成的偏差占总偏差的57.50%;聚集效应的影响次之,占总偏差的28.33%;模型差异对结果的影响最小,占总偏差的14.17%。本研究对遥感产品真实性检验及其不确定性分析具有一定的借鉴意义。     

不同供氮水平下水稻高光谱及其红边特征研究

通过大田和室内试验 ,测定了 3个供氮水平下 2个品种的水稻冠层、主茎叶片在不同发育期的高光谱反射率及对应的叶绿素、类胡萝卜素含量。结果表明 :不同供氮水平的水稻冠层和叶片光谱差异明显 ,其光谱反射率随供氮水平的提高在可见光范围降低 ,在近红外区域增高 ;拔节期和孕穗期主茎倒三叶反射率在可见光和近红外区域均高于倒一叶 ;冠层光谱红边位置λred、红边幅值Dλred和红边面积Sred孕穗前呈“红移” ,抽穗后呈“蓝移”现象 ;叶面积指数LAI、地上鲜生物量AFM、地上干生物量ADM和鲜叶重FLM与冠层光谱变量R12 0 0 /R550 ,R990 /R550 ,R80 0 /R550 ,R750 /R550 ,λred,Sred之间有极显著相关 ,冠层和叶片色素含量与其光谱变量R80 0 /R550 和λred之间也存在显著相关。这说明用合适的高光谱变量来估算水稻LAI,AFM ,ADM ,FLM和冠层、叶片的色素含量     

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.     

葛洲坝三号闸水平位移回归分析

在系统介绍葛洲坝水利枢纽三号船闸位移监测系统的基础上,结合05年至12年的历年实测数据,利用回归分析统计模型理论,对水平位移变化规律及其影响因素进行了相关分析,得到闸门位移的相关结论和影响因素的规律,具有一定的实际指导意义。     

结合正交变换和多分辨率分析的全色锐化融合方法

针对单独使用成份替代方法和多分辨率分析方法的不足,该文提出一种基于光谱图像数据回归和正交颜色空间变换的成分替代图像融合方法;在此基础上,将成分替代与多分辨率分析的思想相结合,进一步提升融合方法的光谱保真性能。将所提方法应用于ETM+图像数据集进行全色锐化的实验,通过与其他几种具有代表性的全色锐化方法进行比较,证明得到的融合结果具有更高的质量。     

Spectral characterization of coastal sediments using Field Spectral Libraries,Airborne Hyperspectral Images and Topographic LiDAR Data (FHyL)

Beach dune systems are important for coastal zone ecosystems as they provide natural sea defences that dissipate wave energy. Geomorphological models of this near-shore topography require site-specific sediment composition, grain size and moisture content as inputs. Hyperspectral, field radiometry and LiDAR remote sensing can be used as tools by providing synoptic maps of these properties. However, multi-remote sensing of near-shore beach images can only be interpreted if there are adequate bio-geophysical or empirical models for information extraction. Our aim was thus to model the effects of varying sediment properties on the reflectance in both field and laboratory conditions within the FHyL (Field Spectral Libraries, Airborne Hyperspectral Images and Topographic LiDAR) procedure, using a multisource dataset (airborne Hyperspectral – MIVIS and topographic LiDAR – Hawk-eye II and field radiometry). The methodology consisted of (i) acquisition of simultaneous multi-source datasets (airborne Hyperspectral – MIVIS and topographic LiDAR – Hawk-eye) (ii) hyperspectral measurements of sediment mixtures with varying physical characteristics (moisture, grain size and minerals) in field and laboratory conditions, (iii) determination and quantification of specific absorption features, and (iv) correlation between the absorption features and physical parameters cited above.Results showed the potential of hyperspectral signals to assess the effect of moisture, grain-size and mineral composition on sediment properties.     

Understanding the potential relationship between the socio-economic variables and contributions to OpenStreetMap

OpenStreetMap (OSM) has seen an exponential increase in the last few years and large volumes of geodata have been received from volunteered individuals. The collected geodata are heterogeneous in terms of different dimensions such as spatial patterns of contributions, quality, patterns of contributing individuals, and type of contributions. Because contributors’ personal information is anonymously stored by the OSM administrators, alternative methods are needed to investigate the role of contributors’ characteristics on their mapping behavior. This study is intended to explore the potential socio-economic characteristics of contributors in highly contributed areas to have better insights about the latent patterns of involved individuals in a highly dynamic state of the most active country in OSM, Germany. A logistic regression model (LRM) is applied to discover the potential correlations between dependent and independent variables. The findings explain that the areas with high population density, middle level of education, high income, high rate of overnight stays, high number of foreigners, and residents aged from 18 to 69 are more likely to be involved in OSM. Furthermore, the degree of dynamism in OSM is a function of proximity to built-up areas. Finally, concluding remarks concerning the independent variables and model sensitivity are presented.