共查询到17条相似文献，搜索用时 125 毫秒
1.
2.
3.
利用高光谱遥感技术能快速、无损、高效地获取草地地上生物量信息,对牧区牧草高效管理、草畜供求关系平衡以及放牧制度优化等方面具有重要意义。为了寻求估算生长旺盛期草地地上生物量最适宜的微分光谱阶数,本研究在内蒙古天然草场通过原位试验采集了高光谱反射率与地上生物量数据,对原始光谱反射率数据进行一至四阶微分处理,在全波段范围内挑选最佳波段构建简单比值植被指数（Simple ratio vegetation index,SRVI）、归一化植被指数（Normalized difference vegetation index,NDVI）、土壤调节植被指数（Soil adjusted vegetation index,SAVI）和增强型植被指数（Enhanced vegetation index,EVI）4种高光谱植被指数,建立相应地上生物量估算模型并对比评价各模型精度。结果表明：对原始高光谱反射率进行微分处理,有助于提高敏感波段与地上生物量的相关性;红边波段与近红外波段是构建最佳植被指数的重要组成波段,占所有优选波段的82%;基于二阶微分光谱的最佳SRVI和NDVI模型精度最好,R2分别为0.69和0.70,RMSE分别为196.60 g·m-2和196.65 g·m-2,过高的微分阶数反而会降低估算模型的精度。本研究能为利用不同阶微分高光谱估算草地地上生物量提供科学借鉴,为精准快速的牧区天然草场遥感监测提供技术和方法支持。 相似文献
4.
祁连山高寒草地是我国北方草地的重要组成部分,近年来退化较严重,导致其产量、质量下降.利用ASD地物光谱仪采集了祁连山东缘高寒草地植物群落光谱数据,并利用Person相关系数法、PCA主成分分析法和VIP变量投影重要性法等方法,筛选了与高寒草地植物群落叶绿素相关性较高的原始光谱波段与植被指数,通过多元逐步回归与多元线性回归建立了叶绿素反演模型,为祁连山东缘高寒草地的遥感监测提供技术支撑.结果 如下:1)原始光谱384、528、721 nm波段的反射率与高寒草地植物群落的叶绿素相关系数较高,共筛选出522个原始光谱波段作为多元逐步回归变量;2)植被指数RVI、SAVI、NDVI670、VARI、PSRI、ARVI、RGI、GI、OSAVI、GNDVI与群落叶绿素显著相关,且优于单波段原始光谱;3)利用筛选出敏感波段的原始光谱反射率与植被指数指标建立反演模型,其中原始光谱多元逐步回归模型精度(R2 =0.889)最高,且模型检验结果较好(R2 =0.9161,RMSE=0.05),可作为高寒草地植物群落叶绿素的反演模型. 相似文献
5.
以地面实测数据为依据,通过获取其同步HJ-HSI影像光谱反射率,筛选出光谱变量、波段变量,对不同利用状态的退化伊犁绢蒿(Seriphidium transiliense)荒漠草地(围栏封育区N,围栏外重度退化区W_1,围栏外中度退化区W_2)的地上生物量进行估测。结果表明,1)各季节不同利用状态伊犁绢蒿荒漠草地群落HJ-HSI光谱反射率不同,春季为W_2NW_1,夏季为W_2W_1N,秋季为W_1W_2N;2)HJ-HSI可以实现对伊犁绢蒿荒漠草地地上生物量的估测,估测模型因群落类型和季节不同而存在差异。春、夏、秋3个季节的估测模型,N分别由DVI、NDVI、620.225-627.895nm反射率平均值所构建,W_1分别由近红外波段(Rn)、656.305nm和776.8199nm反射率归一化值、MSAVI构建,W_2分别由652.09和732.01nm反射率归一化值、红外波段(Rr)、584.52-598.295nm反射率平均值构建。 相似文献
6.
为探究覆盖度变化对植物光谱反射率的影响,实现覆盖度和生物量的高精度反演,以伊犁绢蒿(Seriphidium transiliense)为对象,通过室内控制试验获取不同覆盖度下植物光谱反射率,采用最大归一法、一阶微分和二阶微分变换分析其反射率变化,利用归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)和土壤调节型植被指数(SAVI)共4种植被指数对覆盖度与生物量进行反演,探讨反演精度对覆盖度变化的响应。结果表明：伊犁绢蒿植物种群的冠层光谱反射率在可见光波段随覆盖度增加逐渐减小,在近红外波段逐渐增加,在680 nm处形成植物特有的红边效应,最大归一化和微分变换突出了植物的光谱特征;光谱反射率差值在可见光波段随覆盖度增加基本稳定;利用植被指数逐级反演覆盖度与生物量时,精度随覆盖度增加整体呈上升趋势;利用土地利用/覆盖变化(LUCC)分覆盖度反演时,提高了覆盖度大于20%的伊犁绢蒿种群的数量特征反演精度,且最佳指数为SAVI。 相似文献
7.
高山草地的光谱反射特征及其估产模型 总被引：4，自引：1，他引：3
对祁连山东段高山草地中５种植物群落的光谱反射特征进行了测试研究。结果表明：１）草本植物和灌木种群的光谱反射率在可见光波段上无显著差异，但在近红外波段存在显著差异；２）土壤背景和测试仪器高度对群落的光谱反射产生显著影响；３）植物生长盛期，可用近红外波段的反射差异来区分草地植物群落的空间分布：４）草地植物群落的地上植物量与几种变换的植被指数呈显著或极显著的非线性相关。 相似文献
8.
9.
草层高度是反映草地生长状况的重要指标之一,与草地地上生物量的监测及载畜力的评估具有紧密联系。目前,对我国天然草地群落高度的监测尚缺乏精确的遥感方法。本研究以黄河源区高寒草甸为研究区,分别基于MODIS植被指数、冠层高度模型以及草地冠层高光谱反射率,构建了高寒草甸草地群落高度的估算模型,并对模型精度进行了评价。结果表明,1)12种MODIS植被指数中,NDVI对草层高度的变化最为敏感,其4种回归模型的R~2均较低,介于0.203~0.241,NDVI指数模型(y=0.789e~(3.186x),R~2=0.241)的拟合效果最好,但反演误差较大(RMSE=4.2cm,CVRMSE=45.7%);2)冠层高度模型在黄河源地区高寒草甸试验区的反演精度较低(RMSE=5.8cm,CVRMSE=62.1%),实际应用误差较大;3)高寒草甸群落高度与519.4-583.17nm波段之间的冠层光谱反射率存在显著负相关关系(P0.05),基于光谱位置变量R′510.59的线性模型(y=~(-1)56.375x+20.384)相对最优(R~2=0.489,RMSE=3.5cm),较适合反演高寒草甸群落的草层高度。 相似文献
10.
以天山北坡乌鲁木齐县甘沟乡为研究区,利用美国SVC HR-768便携式光谱仪采集25块样方的高光谱数据,并测定对应样方中草地盖度,分析草地盖度与原始光谱、一阶微分光谱和高光谱特征变量之间的相关关系;采用回归统计的方法,基于高光谱位置变量、高光谱面积变量和高光谱植被指数变量构建草地盖度的估测模型,并进行模型精度评价。结果表明,研究区草地盖度与植被冠层光谱反射率相关性较强的波段范围为354-704、1 420-1 481和1 904-2 512nm;基于一阶微分光谱和高光谱植被指数构建的估测模型能更好地反演草地盖度。通过模型检验,确定基于560nm的光谱一阶微分模型y=-384.153x+72.096可作为草地盖度的最优估测模型,模型均方根误差为7.344%,估算精度为90.343%。 相似文献
11.
准确、高效获取草甸地上生物量信息,对牧区农牧业生产、草地资源管理、牧草可持续利用具有重要意义。本研究基于实地采集的牧草冠层光谱反射率及同期获取的地上生物量数据,运用互信息法分别分析了微分光谱、优化植被指数与草甸地上生物量的相关性,进一步构建了极限梯度提升（XGBoost）算法与不同阶光谱植被指数数据集的草甸地上生物量模拟估算模型,并与多元线性回归（MLR）和随机森林（RF）算法建立的模型进行对比。结果表明：对光谱反射率进行一阶、二阶微分与光谱植被指数变换协同应用,有助于提高冠层光谱与地上生物量的相关性;基于原始光谱植被指数与XGBoost算法构建的草甸地上生物量模拟估算模型效果最佳,均方根误差（RMSE）为140.26 g·m-2,平均绝对误差（MAE）为97.20 g·m-2,Nash效率系数（NSE）为0.81,一致性指数（d）为0.94,其次为基于RF算法构建的模型,MLR算法构建的模型精度较差。研究认为XGBoost算法可适用于草甸地上生物量模拟估算模型的建立,为快速准确的牧草高光谱遥感监测提供了技术和方法,为区域性草地高精度大面积生产力估算奠定了基础。 相似文献
12.
藏北典型高寒草甸地上生物量的遥感估算模型 总被引：4，自引：0，他引：4
本研究利用2010和2011年6-9月高寒嵩草草甸群落地上生物量数据和同期的中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)影像数据,建立了西藏自治区拉萨当雄高寒草甸的地上生物量遥感估算模型。在探讨群落地上生物量与归一化植被指数(normalized difference vegetation indices,NDVI)、增强型植被指数(enhanced vegetation indices,EVI)以及地表水分指数(land surface water indices, LSWI)相关关系的基础上,构建了群落地上生物量与各指数的线性或非线性(包括对数函数、二次多项式、三次多项式、幂函数、增长曲线、指数函数)估算模型,并进行了模型验证。结果表明, 1)3个指数中EVI的模拟效果最好,NDVI次之,LSWI最差;2)所有模型中线性模型的模拟效果最好,EVI的线性模型为:y=174.225x,R2=0.975, P<0.001,NDVI的线性模型为:y=115.478x,R2=0.956, P<0.001;3)在预测效果方面,幂函数模型最好,线性模型次之,其平均误差分别仅为9.76%和10.8%,因此,两者都可以用于高寒草甸群落地上生物量的模拟。 相似文献
13.
新疆典型荒漠草地的高光谱特征提取和分析研究 总被引：1，自引：0，他引：1
本研究以新疆阜康地区的典型荒漠植被为对象,通过微分和Savitzky-Golay平滑滤波处理,从野外高光谱仪采集的高光谱谱线中,提取了典型荒漠植被的高光谱特征(红边、绿峰、红谷),结果显示,荒漠植被虽然也具有红边和绿峰等吸收特征,但是枝叶稀疏、覆盖度较低的荒漠植被高光谱受下垫面影响,不具有明显绿峰,红边特征也随着植被盖度的降低而减弱;由于荒漠植被10月份进入凋落枯萎时期,其光谱反射率受土壤光谱干扰而数值偏大,红边位置较5月份呈现出“红移”的规律,NDVI和RVI指数也呈现出10月份低于5月份的现象;不同草地类型、不同季相的荒漠植被,其红边、绿峰、红谷特征和植被指数均具有显著差异,但是NDVI和RVI具有较高的数据相关性。新疆典型荒漠草地的光谱特征提取和分析研究不但丰富了高光谱信息挖掘手段,还为基于高光谱信息的草地类型分类研究提供了数据基础和科学依据。 相似文献
14.
高分一号卫星影像特征及其在草地监测中的应用 总被引：1，自引：0，他引：1
为评价高分一号卫星数据的草地监测能力,在分析传感器波段设置、辐射分辨率和光谱响应系数等特征的基础上,以草地为研究对象,提取草地分布信息,计算不同植被指数,结合地面同步观测的草地光谱、地上生物量、覆盖度和叶面积指数等实测数据,通过R2和均方根误差筛选并建立最优估算模型。结果表明:波段设置与部分常用传感器保持了较好的一致性;空间分辨率的提高,增强了地物类型的识别能力,辐射分辨率的提高,增强了数据的层次性;光谱响应系数较好的涵盖了不同草地类型的光谱曲线特征;叶面积指数和生物量的最佳估算模型均为基于比值植被指数的三次多项式模型,覆盖度最佳估算模型为基于归一化植被指数的幂函数模型,并得到了较好的制图效果。 相似文献
15.
利用EOS/MODIS植被指数产品（NDVI）、实测草地地上生物量和气象监测资料,结合实测资料和NDVI之间的关系建立了青海省草地地上生物量卫星遥感估算模型,并通过研究青海省气温和降水量变化特征分析了影响草地地上生物量的主要因素。结果表明：在草地生长季,生态监测站草地地上生物量与NDVI之间具有较好的正相关关系（P<0.01）。利用模型估算的青海省草地地上生物量在2003-2017年表现出弱的增加态势,2003年平均草地地上生物量最低,仅为2622 kg·hm-2,2010年最大,达3252 kg·hm-2; 2003-2017年,青海省草地地上生物量变化表现出明显的空间分布特征,从东南向西北逐渐递减;其中,青海省果洛州东南部、玉树州南部、黄南州东南部和海北州东南部草地地上生物量最高;西北部的柴达木盆地最低;2003-2017年青海省绝大多数地区草地地上生物量均呈现保持不变或者趋好的变化特征,其中曲麻莱、都兰以及甘德等地区部分草地地上生物量明显减少。气温升高热量条件充足的背景下,青海省草地受降水量增多带来的水分条件趋好的有利影响,对高寒地区草地植被的生长发育起到了促进作用,最终导致草地NDVI升高,地上生物量增加。 相似文献
16.
草地生产力遥感动力模拟模型 总被引：3，自引：0，他引：3
根据植物光合作用机理和太阳辐射在植冠层中的传输方程,推导光合作用产物与叶面积指数关系的解析式和叶面积指数与植被指数关系的解析式,通过复合函数求导得到光合作用产物与植被指数关系的解析式,建立草地生产力遥感动力模拟模型.利用1992-1994年的产草量资料和对应时相的NOAA/AVHRR资料建立草地生产力光谱监测模型和卫星遥感监测模型,验证结果表明,用卫星资料可以准确监测草地生产力. 相似文献
17.
[目的] 阐明呼伦贝尔市羊草割草地刈割技术对牧草产量及品质的影响,确定适宜的刈割时期和刈割留茬高度,获得高产优质牧草,保证割草地稳定和可持续利用。[方法] 以呼伦贝尔市羊草割草地为研究对象,设置3个刈割时期和4个刈割高度（留茬高度）试验处理,采用野外观测与室内分析相结合的方法,进行不同刈割技术对植物群落地上生物量、牧草营养物质含量以及单位面积营养成分粗蛋白（CP）收获量影响的研究。[结果] 群落地上生物量受降雨因素影响年度间波动较大,刈割时期和刈割高度均影响牧草收获量。单位面积营养成分CP的收获量取决于群落地上生物量。早期刈割群落多样性指数较高,随着刈割高度的降低群落多样性指数呈上升趋势。8月15日左右刈割,且刈割高度为5 cm时单位面积营养成分CP的收获量较高。[结论] 刈割时期和刈割高度均影响牧草收获量,单位面积营养成分CP的收获量取决于群落地上生物量;呼伦贝尔市羊草割草地适宜的刈割时间为8月15日左右,刈割高度为5 cm左右比较合适;干旱年份刈割高度要适当降低。 相似文献