共查询到17条相似文献，搜索用时 156 毫秒
1.
基于高光谱图像的牧草粗蛋白含量反演模型 总被引：2，自引：2，他引：0
粗蛋白(crude protein,CP)是评价牧草品质和饲用价值的重要指标。利用高光谱技术实现大面积牧草CP含量实时、准确、无损监测是草地营养状况监测的重要内容。为掌握青海省海晏县金银滩草原牧草CP含量的分布状况,该文采用课题组航空飞艇搭载自主集成高光谱成像系统获取高分辨率高光谱图像,对高光谱数据进行光谱衍生变换,采用不同建模方法构建CP含量的反演模型。选取最佳组合的2种光谱指数为自变量构建牧草CP含量的单变量模型。对于包络线去除的衍生光谱和对数、归一化、一阶微分及其衍生组合变换光谱,使用逐步判别分析法筛选各光谱变量的特征波段作为自变量,构建牧草CP含量的多元线性和非线性回归模型,综合比较各模型的精度选择最优反演模型。结果表明,不同光谱变量相比,微分光谱变量对牧草CP含量拟合效果较好,R~2均达到0.794以上。不同多元回归模型相比,非线性回归模型精度高于对应的线性回归模型。以光谱对数后再一阶微分变量(D(log(R)))构建的多元非线性回归模型为牧草CP含量最优估算模型,R~2为0.918,RMSE为0.054。将D(log(R))建立的非线性回归模型应用于高光谱图像上,绘制研究区牧草CP含量空间分布图。研究为大区域尺度CP含量的定量反演及精准畜牧业的高效实施提供参考和技术依据,也为今后智慧畜牧业的发展奠定基础。 相似文献
2.
条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型 总被引：12，自引：6，他引：6
为利用高光谱遥感诊断条锈病胁迫下作物的营养状况,测量感染条锈病的冬小麦冠层反射率以及相应叶片全氮(LTN)含量,利用线性和非线性回归方法,建立了微分光谱与小麦LTN含量之间的回归模型.研究表明随病情加重,小麦LTN含量逐渐降低,并与一阶微分光谱在430～518、534～608、660～762 nm以及783～893 nm区域具有极显著相关性.经检验,以红边内一阶微分总和与蓝边内一阶微分总和比值(SDr/SDb)为变量的模型是估测LTN含量的最佳模型,其RMSE为0.3567,相对误差为8.33%.因此,利用高光谱遥感估测条锈病胁迫下作物LTN含量是可行的,且具有较高的反演精度.研究成果可为小麦氮素营养监测、精准施肥以及条锈病情诊断等提供理论依据和指导. 相似文献
3.
草地生物量的高光谱遥感估算模型 总被引：17，自引：2，他引：17
为了推进高光谱遥感在草地生理生化参数定量化方面的研究与应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司的ASD FieldSpec Pro FRTM光谱仪，对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组观测数据作为训练样本，运用单变量线性、非线性和逐步回归分析方法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本，进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、1132、1579、1769和2012 nm等5个原始高光谱波段反射率为变量的逐步回归估算方程为最佳模型，模型标准差为0.404 kg/m2，估算精度为91.6%，说明可以利用高光谱反射率数据，从冠层上对草地生物量进行量化。 相似文献
4.
基于MODIS数据和植被特征估算草地生物量 总被引：1，自引：1，他引：0
准确估算草地生物量,对全球气候变化背景下的陆地生态系统碳循环研究具有重要意义。过去几十年,草地生物量估算研究大多集中在北方,而南方草地具有类型繁多和分布零散等特征,对其生物量进行评估的报道较少。本文以云南省为例,应用2012—2014年草地生物量野外调查资料和同期MODIS遥感数据,建立草地地上生物量(AGB)遥感估算模型;再引入草地植被群落特征(高度和盖度)信息对统计模型进行优化,并进行生物量空间反演。结果表明:优化后模型的估算精度由原来的35.0%提升为43.7%;反演得到云南省3年年均AGB的总量介于1 026.86万~1 408.54万t,平均为1 221.11万t;从空间分布上看,云南省草地AGB密度总体上呈现西部高东部低、南部高北部低的格局。本研究首次将遥感植被指数数据与实测植被群落特征参数结合,使估算精度比传统的纯粹光学遥感模拟方法显著提升24.9%,但精确估算大面积的草地AGB,需要进一步探索如何将激光雷达数据或遥感立体影像中提取的植被特征信息应用于草地AGB估算研究。 相似文献
5.
利用NDVI资料估算中国北方草原区牧草产量 总被引：4，自引：2，他引：2
该文利用NOAA/AVHRR归一化植被指数（NDVI）资料和牧草地面观测资料,分5种草地类型建立了牧草产量遥感模型,所有模型的相关系数均大于0.7,说明这些模型可以较好地估算中国北方草原区牧草产量。由于牧草产量地面观测资料来自于北方主要草原省,数据具有较好的代表性,利用牧草产量遥感估算模型能够将过去小区域牧草产量估算扩展到整个北方草原。通过对模型结果的空间分析表明,中国北方高产草原位于内蒙古东部、甘肃祁连山区、新疆天山和阿尔泰山地区、青藏高原东部,同时也表明遥感模型对草地资源清查也是一种很好的手段。通过对模型结果的时间分析表明,牧草产量遥感模型可以表现出牧草产量随气象条件变化的波动性,这个性质表明牧草产量遥感模型可以用于气象灾害造成的损失评估。 相似文献
6.
光学与微波遥感协同反演藏北表层土壤水分研究 总被引：1，自引：1，他引：0
表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。 相似文献
7.
干旱区典型绿洲土壤有机质的反演及影响因素研究 总被引：5，自引：0，他引：5
为了大面积、高精度地反演土壤有机质含量,为农业可持续发展提供数据支撑。以新疆渭干河-库车河三角洲绿洲为研究区,采用波段平均法将实测高光谱窄波段拟合为Landsat 8 OLI遥感影像的宽波段,建立土壤有机质含量的估算模型,并将最优估算模型应用到经过波段校正的Landsat 8OLI遥感影像中。结果表明:(1)反射率进行倒数、对数、平方、一阶微分等数学变换后与有机质含量的相关性显著提高;(2)土壤有机质的高光谱估算模型拟合度较高,最优估算模型的决定系数R2为0.852,采用比值法对多光谱波段反射率进行校正,校正后的遥感影像反演结果得到了较大提高,检验样本的决定系数R2从0.711提升至0.849。从反演结果来看,将高光谱估算模型应用到经过订正的多光谱影像,土壤有机质反演模型的精度得到了大幅度提高,运用此方法可以实现高精度的土壤有机质区域化反演。(3)有机质的分布受土地利用类型、土壤颗粒组成、土壤质地的影响,其中土壤质地对有机质的空间分布影响最为显著。 相似文献
8.
牧草产量的遥感估算与载畜能力研究 总被引：3，自引：4，他引：3
为了切实保护草地生态环境,实现草畜平衡,以畜牧业大省青海省为例,利用经过GPS定位的青海省牧草地面观测资料,分析牧草产量与NOAA/AVHRR植被指数NDVI之间的关系,分类建立青海省牧草产量估算线形模型与指数模型.模型的拟合结果良好,相关系数平方(R2)超过0.67.大部分时次的地面实测值与遥感估算值所处的产量等级基本一致,模型精度可以应用于大范围的牧草产量预测.根据牧草遥感估测结果,计算分析青海天然草场的载畜能力.结果表明,青海省县级天然草地年最高载畜量基本呈南高北低的态势.南部大部分县以及北部的祁连县在100～200万只绵羊单位之间,海西州和海东大部分县在50万只绵羊单位以下. 相似文献
9.
黑土区田块尺度土壤有机质含量遥感反演模型 总被引：5，自引：4，他引：5
为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。 相似文献
10.
基于植被指数估算天山牧区不同利用类型草地总产草量 总被引：6，自引：5，他引：1
针对天山牧区草地面积广、生长环境差异大等特点,选用MODIS/MOD13Q1数据,生成归一化植被指数、增强植被指数、土壤调节植被指数和差值植被指数4种从不同角度反映牧草长势的植被指数,对4个不同牧草利用类型分区分别建立了4种指数及其组合与总产草量的4类回归方程。利用留一交叉检验法评价各模型精度,最终获得适合不同草地利用类型的产草量遥感估算模型。结果表明:4种植被指数都可用于产草量估算,不同植被指数估算模型的拟合精度有区域差异性。当采用SAVI和二次多项式拟合时,RMSE最大值出现在I区,为5 857 kg/hm2,当采用NDVI和二次多项式拟合时,最小值出现在III区,仅为616.487 kg/hm2。值得注意的是采用差值植被指数、土壤调节植被指数估算产草量需考虑植被覆盖状况。其次,多个植被指数组合有信息互补的优势,采用线性回归模型估产时,多个植被指数组合精度高于单一植被指数。该研究可为天山地区草地总产草量遥感估算提供有意义的借鉴。 相似文献
11.
快速准确地估算牧草粗蛋白(crude protein, CP)含量是开展草原牧草生长监测和管理的重要内容之一。高光谱数据是牧草CP含量监测的理想数据源,然而,现有牧草CP含量高光谱反演方法缺乏对光谱多粒度信息的有效利用。针对该问题,提出一种新的多粒度光谱特征提取方法 MGSS(multi-granularity spectral segmentation),以青海高原典型牧场为样区,对MGSS估算牧草CP含量的有效性进行验证。结果表明:1)在相同数量的自变量下,MGSS均能取得优于原始光谱的CP含量估测性能;2)MGSS最优估测模型的决定系数(coefficient of determination, R~2)、均方根误差(root mean squared error, RMSE)和平均相对误差(mean relative error, MRE)分别为0.937、1.906 g/m~2和8.82%,比原始光谱最优模型的R~2高0.06,RMSE和MRE分别低0.75 g/m~2和1.37个百分点。可知,MGSS实现了高光谱影像对牧草CP含量的高性能估算,相比原始光谱性能更优,验证了其有效性,可为牧草CP含量的准确估算提供新的技术手段。 相似文献
12.
呼伦贝尔天然打草场分布及生物量遥感估算 总被引：2，自引：1，他引：1
天然打草场在中国草地畜牧业中具有非常重要的功能,是保障草畜季节平衡、确保家畜安全过冬,灾后应急救援的饲草储备资源。目前关于天然打草场的资源分布与生物量高低等信息的研究欠缺,限制了区域性饲草储备资源的有效利用。该研究利用遥感技术和实地调查相结合的方法对陈巴尔虎旗天然打草场的资源分布及生物量估算进行了全面调查。结果表明:陈巴尔虎旗天然打草场面积达80.28×104 hm~2,其中鄂温克民族苏木打草场面积居首位,为22.69×104 hm~2,巴彦哈达苏木、东乌珠尔苏木、呼和诺尔镇及西乌珠尔苏木的打草场面积次之,面积均大于9.00×104 hm~2,宝日希勒镇面积最小,为0.64×10~4 hm~2。基于MODIS-NDVI与打草场实测量建立的反演模型相对误差为20.56%,能够比较准确地估算牧草产量;陈巴尔虎旗天然打草场平均生物量为1.24×10~3 kg/hm~2,总生物量为992.90×106 kg,生物量空间分布呈东高西低,鄂温克苏木打草场总生物量较高,为304.21×10~6 kg,巴彦哈达苏木次之,为221.01×10~6 kg,其他苏木占47.10%;研究区天然打草场面积和生物量主要分布在温性草原和温性草甸草原,少量分布在低地草甸草原、山地草甸草原及沙地草原。该研究结果可为将来分析典型牧区陈巴尔虎旗天然打草场变化提供数据支撑。 相似文献
13.
盐渍土表层盐分累积与土壤含水量有着直接的关系.为了建立干旱区盐渍土含水量高光谱遥感监测模型,本文以艾比湖流域不同含水量的盐渍土为研究对象,采用光谱反射率变换和多元统计分析(MSAM)方法,对土壤含水量的光谱特征进行分析和建模.结果表明:随着土壤含水量的增加,土壤反射率呈下降趋势;在一定范围内,波长越长,土壤光谱反射率与含水量的相关性越高,其中1 937 nm处的土壤光谱反射率与含水量具有最高的相关性(r=-0.636).对土壤光谱反射率进行8种光谱反射率变换后,在此基础上利用多元统计方法分析盐渍土的不同含水量与光谱之间的相关性,筛选敏感波段,建立关系模型.得出对数一阶微分(Logarithm First Order Differential)在波长2024和2 357nm建立的模型以及均方根一阶微分(Root Mean Square First Order Differential)在波长1 972和2 357nm建立的模型最优,相关系数r分别为0.894和0.865.基于上述模型作者构建了一种耦合模型,其相关性r=0.926比对数一阶微分模型提高了0.032,比均方根一阶模型提高了0.061;因此,所构建的盐渍土含水量估算模型是可行的,可以为遥感反演提供理论参考,对高光谱遥感反演具有一定意义. 相似文献
14.
15.
基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较 总被引：3，自引：6，他引：3
近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。 相似文献
16.
含水率对土壤有机质含量高光谱估算的影响 总被引：3，自引：1，他引：3
土壤含水率对有机质(soil organic matter,SOM)含量高光谱估算精度有很大的影响。为了探讨SOM高光谱估算中土壤含水率的影响,该文对烘干土、风干土和质量含水率为5%~40%(按5%递增)的土壤样本进行了室内高光谱测量,对光谱数据进行了反射率、反射率一阶导数和反射率倒数对数3种光谱数据变换,运用偏最小二乘回归法(partial least squares regression,PLSR)建立了相应的SOM估算模型。结果表明,风干土的SOM高光谱估算精度较好;当含水率水平小于25%时,SOM估算模型精度受含水率的影响较大,光谱数据进行反射率倒数对数变换后的模型精度最高;当含水率水平大于等于25%时,水分对土壤光谱反射率的影响要大于SOM,不适宜利用土壤光谱数据进行SOM含量高光谱估算。该研究可为大田环境不同含水率情况下光谱估算SOM提供参考。 相似文献
17.
[目的]进行国产高分1号遥感数据在草地长势监测方面的应用研究,为维持草地畜牧业可持续发展、维护草原生态平衡提供科学依据。[方法]以新疆典型草原区—玛纳斯河流域为研究靶区,在"3S"技术支持下,利用高分一号卫星数据的优越性及野外调查数据,进行国产高分一号遥感数据在草地长势监测方面的应用研究。[结果]研究区2014年草地长势比2013年差一些,2014年长势比2013年差的草地面积为209 074.7hm2,占研究区草地总面积的13.21%。研究区2013—2014年各类草地类型长势情况的结果显示,比2013年长势差的面积最大的草地类型是温性荒漠草原,面积为109 224.6hm2,占温性荒漠草原面积的36.8%,研究区草地总面积的6.9%。[结论]研究区草地长势监测精度比较高,即,88.6%以上,高分1号卫星数据是一个草地长势监测的有效数据。 相似文献