共查询到10条相似文献，搜索用时 15 毫秒
1.
樟树幼林叶绿素含量的高光谱遥感估算模型 总被引：4，自引：0，他引：4
高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,并对观测叶片进行同步叶绿素含量的测定;采用统计相关分析法,分析樟树冠层光谱与叶绿素含量之间的相关关系,并建立相应的估算模型.结果表明:樟树幼林叶绿素含量的敏感波段位于400、556、621 nm;通过建立各敏感段与叶绿素含量之间的估算模型并进行精度检验,得出了叶绿素含量估算的高光谱模型分别为y=exp(1.191 1458.912x)和y=3.29×exp(1458.912x).说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量. 相似文献
2.
杉木叶绿素含量高光谱遥感模型研究 总被引：2，自引：0，他引：2
《中南林业科技大学学报(自然科学版)》2010,(11)
利用高光谱技术,探索杉木成熟林反射光谱与其叶绿素含量之间的相关关系。以湖南省攸县黄丰桥国有林场杉木成熟林为对象,采用美国ASD公司生产的手持式野外光谱仪(波长325~1 075 nm)进行地面和空中的杉木冠层波谱观测,采集到有效观测数据44条,并同步展开叶绿素总量分析。采用ViewSpec Proversion 4.02、SPSS17.0统计软件、MATLAB软件、EXCEL数据分析工具对波谱数据进行处理和生化成分相关性分析,建立了叶绿素总量与反射光谱关系模型,通过模型检验,得到杉木叶绿素总量的高光谱模型为:y=0.291x395+20.172x521+0.758。 相似文献
3.
高光谱遥感在植被研究中的应用使定量估算植被的生物化学参数和生物物理参数成为可能.分析了樟树幼林生物化学参数与高光谱特征变量之间的相关关系.结果表明:樟树幼林的大部分生物化学参数(叶绿素a含量、叶绿素b含量、叶绿素总含量、类胡萝卜素含量和总磷含量)与高光谱遥感特征参数(蓝边内最大的一阶微分、绿峰反射率、红边位置、蓝边面积、绿峰反射率和红谷反射率构成的比值与归一化植被指数、红边面积和蓝边面积构成的比值和归一化植被指数)之间的相关系数达到了0.01极显著性检验水平;纤维素、总氮含量与高光谱特征参数的相关系数没有达到显著性检验水平.因此,可以利用相关系数达到了0.01极显著性检验水平的高光谱特征参数建立樟树幼林生物化学参数的高光谱遥感估算模型. 相似文献
4.
基于高光谱微分指数的杉木炭疽病病情指数反演 总被引：3，自引：0，他引：3
通过实地调查,获取杉木炭疽病病情指数以及各级病情梯度的高光谱遥感数据,将冠层光谱一阶微分数据与相应的病情指数进行相关性分析,选取相关系数大于0.7的高光谱微分指数构建反演模型,并对模型进行精度检验。结果表明:病情指数与冠层光谱一阶微分值在431～485nm,549～616nm和700～754nm3个波段达到极显著相关;以微分指数SDy,SDr,SDg/SDb,(SDg-SDb)/(SDg+SDb)和(SDr-SDy)/(SDr+SDy)为变量反演病情指数的最佳模型均为线性模型,均方根差在0.094～0.119之间。该研究结果表明,利用高光谱微分指数估测杉木炭疽病病情指数精度较高,且具有较高的实际应用价值。 相似文献
5.
基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型 总被引：1，自引：0，他引：1
利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。 相似文献
6.
森林叶绿素含量的高光谱遥感估算模型的建立 总被引：1，自引：0，他引：1
高光谱遥感提供一个通过窄波段的地物光谱反射率、诊断和检测植被叶绿素光谱特征波段的手段,为精确反演森林叶绿素含量提供更高光谱分辨率的数据。利用Epp-2000地物光谱仪测量叶片的反射光谱,并用SPAD-502对观测叶片进行叶绿素含量的同步测量;采用统计相关分析方法,分析叶片反射光谱、光谱特征参数及其各种植被指数与叶片叶绿素含量的相关关系,并建立相应的估算模型。结果表明：叶绿素含量的敏感性参数分别为Diff（R749）、Log（R466）、红边参数RVP以及比值叶绿素指数PSSR。通过多元统计回归分析,剔除不相关和存在共线性的参数后,得到叶绿素含量的估算模型为：SPAD=54．559—0．865×PSSR＋65．146×Diff（R749）-6．030×Log（R466）-0．238×RVP模型及其参数均通过统计检验,模型的决定系数砰达到0．812,均方根误差RMSE=13．35379,模型精度为88．743258％。 相似文献
7.
采样分析了城市行道树与对比区相应树种的叶绿素变化,并对由叶绿素变化引起的高光谱响应进行了分析,结果表明:(1)城市环境对行道树叶绿素有重要影响,其中,对针叶树种叶绿素的影响较小,对阔叶树种叶绿素的影响较大;(2)导数光谱与测试树种叶绿素含量关系密切,在740～760 nm附近相关系数达0.83以上;(3)PSSR植被指数与测试树种的叶绿素含量关系密切,幂函数回归的确定性系数达80%左右.以上结论说明:高光谱遥感可以用来监测因城市环境引起的植被叶绿素变化. 相似文献
8.
采用UniSpec-SC光谱分析仪对毛竹叶片反射光谱进行测定,并对叶片色素含量与反射光谱参数的相关性进行分析,研究缓释肥(Tr1)、毛竹专用肥(Tr2)、混合配方肥(Tr3)对毛竹叶片色素含量的影响。结果表明:3种施肥处理对毛竹叶片色素含量均有明显的影响,其中Tr1处理叶绿素a、叶绿素b含量呈极显著增加(P<0.01),分别比对照增加15.7%、13.8%。3种施肥处理的毛竹叶片可见光区525～605 nm波长的反射光谱都明显降低,在550 nm波长处Tr1、Tr2、Tr3处理的光谱反射率分别比对照降低11.4%(P<0.01)、8.1%、7.8%,并使红边位置向长波方向移动;与对照相比3种施肥处理均使毛竹叶片PSSRb、PSSRc、PSNDb、PSNDc、CRI1、CRI2、SIPI和PRI等反射光谱参数升高;相关分析表明,毛竹叶片叶绿素a、叶绿素b、叶绿素总量、类胡萝卜素含量与光谱参数PSSRc、PSNDc、NPCI、CRI1、CRI2、SIPI和PRI之间存在显著的相关性(P<0.05),其中PSSRc、PSNDb、PSNDc、NPCI、CRI、SIPI和mSR705等反射光谱参数值与施肥种类相关。说明毛竹对缓释肥的利用率更高,毛竹叶片反射光谱对毛竹叶片色素含量和营养状况有良好的估测效果。 相似文献
9.
[目的]探讨锐齿栎叶片色素含量和光谱反射率之间的关系,确定无损、快速估算锐齿栎叶片色素含量的敏感反射光谱波段和光谱指数。[方法]在2个样地进行了2年的野外观测试验,于生长季内同步测定了锐齿栎叶片的光谱反射率和不同光合色素含量,分析了350 2 500 nm范围内光谱反射率和敏感光谱指数与叶片色素含量及比率之间的定量关系。[结果]锐齿栎叶片的光谱反射率随叶片色素含量呈明显的规律性变化,与Chl a、Chl b、Chl和Car的含量在可见光的绿光黄光及红边区域表现为显著或极显著的负相关性,与Car/Chl表现为极显著的正相关性;在近红外和短波红外区域,光谱反射率与色素的相关性不及可见光区。本文构建的色素敏感光谱指数ND(705,350)、ND(800,705)、m ND(800,705)和m PRI可以准确地估算锐齿栎叶片的Chl a、Chl b、Chl含量和Car/Chl比率。独立的试验数据检验表明估算值和实测值的拟合关系较好。[结论]ND(705,350)、ND(800,705)、mND(800,705)和mPRI可有效地估算锐齿栎叶片的色素含量及比率。 相似文献
10.
基于RBF组合模型的山地红壤有机质含量光谱估测 总被引：4，自引：0，他引：4
【目的】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归分析(SVMR)3种单一高光谱估测模型,分别获得预测结果,并重构预测结果数据,以绝对误差和最小为目标,计算固定权重与不固定权重两种组合模型的权重值,并基于径向基函数(RBF)神经网络法建立组合模型,探讨不同赋权方法与是否重构数据条件下的最优组合模型。通过均方根误差(RMSE)、预测偏差比(RPD)和决定系数(R2)评价山地红壤有机质含量的预测精度。【结果】单一预测模型中的SVMR估测精度最高,验证决定系数(R2)为0.64,均方根误差为9.76 g·kg-1,测定值标准差与标准预测误差的比值为1.67;在组合模型数据不重构的条件下,不定权组合模型要优于定权组合模型;在组合模型数据重构的条件下,定权组合模型要略优于不定权组合模型,估测精度相差不大;最优模型是数据重构定权组合模型,模型验证决定系数(R2)为0.87,均方根误差为7.91 g·kg-1,测定值标准差与标准预测误差的比值为2.06;组合模型验证精度优于单一模型,说明利用RBF组合模型估算山地红壤有机质含量是可行的。【结论】对山地红壤有机质含量的快速估测而言,单一模型具有操作简单、运算速度快等特点,因而具有较大应用价值,但组合模型能较大限度地利用各种预测样本信息,从而能有效减少应用单一模型时所受随机因素的影响,从而提高山地红壤有机质含量的估测精度。 相似文献