共查询到10条相似文献,搜索用时 218 毫秒
1.
2.
基于红光和近红外反射光谱特征参数反演草地地上生物量 总被引:1,自引:0,他引:1
2013年6~10月测定东非狼尾草+白三叶混播草地冠层反射光谱和地上生物量;分析红光波段和近红外波段反射光谱特征参数与牧草鲜重及干物质之间的相关关系;构建并检验基于红光单波段和植被指数(NDVI、RVI、DVI)反演草地地上生物量回归模型。结果表明:红光波段反射率与草地地上生物量之间存在显著相关性;地上生物量的增加能够显著降低"红谷"反射率,显著升高近红外850.0nm处反射率;选用红光单波段反射率、红光波段构建的植被指数RVI或红光与近红外波段构建的植被指数NDVI,均能够精确反演草地鲜草产量和干物质产量;适宜估产的植被指数因季节和草地生物量的差异而不同,在6月11日,植被指数RVI反演模型估测的草地生物量与实测值的模拟效果最好,10月12日,植被指数NDVI反演模型估测的草地生物量与实测值的模拟效果最好。 相似文献
3.
4.
基于MODIS-NDVI的天山北坡中段草地动态估产模型研究 总被引:5,自引:2,他引:3
利用EOS/MODIS卫星遥感数据,以天山北坡中段山地草原带为典型研究区,进行草地生物量变化动态监测。运用植被指数最大合成法,分析了研究区草地植被指数的时空变化特征,以及植被指数NDVI与地上生物量的相关关系,建立了MODIS NDVI在山地草甸草原、山地草原和山地荒漠草原上不同季节的生物量动态估测模型。结果表明:3种草地类型的最优动态估产模型分别是一元线性回归模型、二次曲线回归模型、幂函数曲线模型,估产精度分别达到83.06%、90.85%、88.06%。 相似文献
5.
【目的】快速、准确和大范围地对天峻县草地地上生物量(Above-Ground Biomass,AGB )进行监测。【方法】利用天峻县 Landsat 8 OLI 遥感图像数据和同期 43 处样点实测生物量数据,分别建立了归一化植被指数(Normalized Difference Vegetation Index,NDVI)、土壤调节植被指数(Soil-Adjusted Vegetation Index,SAVI)、修改型土壤调节植被指数(Modified Soil - Adjusted Vegetation - Index, MSAVI)、比值植被指数(Ratio Vegetation Index,RVI)与草地地上生物量的遥感统计模型,分析遥感植被指数与草地地上生物量之间的相关性。【结果】天峻县遥感植被指数与草地地上生物量之间存在较好的相关性,但不同的统计模型的拟合效果不同;由 4 个自变量建立的多元线性回归模型的比一元线性回归模型有更好的拟合效果;遥感植被指数与草地地上生物量建立的三次项回归模型在拟合精度上较一元线性和多元线性高,为 y=116. 12x3 –898. 48x2 +1 672. 1x–1 003. 4。【结论】 RVI 与草地地上生物量三次项模型适用于监测天峻县地区的草地地上生物量。 相似文献
6.
基于STARFM的草地地上生物量遥感估测研究——以甘肃省夏河县桑科草原为例 总被引:1,自引:0,他引:1
遥感数据具有实时、动态、大范围等特点,在草地资源监测与管理研究中获得了广泛应用。然而,单一的遥感植被指数无法同时满足草地地上生物量观测中时空分辨率的需求。因此,本研究基于时间序列Landsat NDVI和MODIS NDVI数据,结合时空融合算法(spatial and temporal adaptive reflectance fusion model, STARFM),生成了2000-2016年高时空分辨率的植被指数数据集(NDVISTARFM,时间分辨率为16 d,空间分辨率为30 m),并基于2013-2016年地面实测草地地上生物量数据,构建了夏河县桑科草原高寒草地地上生物量遥感反演模型,分析了2000-2016年研究区草地地上生物量生长状况和变化趋势。结果表明:1)基于NDVISTARFM的最优估测模型为乘幂模型,其R2为0.58,均方根误差(root mean square error, RMSE)为795.62 kg·hm-2,模型的表现能力次于Landsat NDVI最优估测模型(R2=0.76,RMSE=634.83 kg·hm-2),而优于MODIS NDVI最优估测模型(R2=0.24,RMSE=937.79 kg·hm-2);2)基于NDVISTARFM最优估测模型对各样区草地地上生物量总产的估测精度优于MODIS NDVI而次于Landsat NDVI,总体精度达84.05%;3)2000-2016年来,夏河县研究区草地地上生物量总体呈现增加趋势,其中90%左右的区域年增量大于30 kg·hm-2,草地地上生物量呈现减少趋势的区域仅占2.30%。 相似文献
7.
人类对草地资源的利用方式和利用程度影响着草地的生长发育,进而影响草地的光谱特征.采集不同利用方式下内蒙古锡林郭勒盟温性草原地面高光谱数据并分析其光谱特征,可为温性草原植被类型遥感分类和草地退化遥感监测提供基础数据.结果表明:750~950 nm处反射率、730 nm处反射率的一阶导数、红边斜率、NDVI和EVI等特征值的组合可以将粟(Setaria italica)、大针茅(Stipa grandis)及羊草(Leymus chinensis)植被类型加以区分;且红边斜率、NDVI和EVI等特征值分别能对内蒙古温性草原围封和天然放牧2种利用方式下大针茅植被,以及打草前和打草后的羊草打草地进行区分.在内蒙古温性草原,NDVI与植被覆盖度和地上生物量的相关性较好,线性拟合R2分别为0.601和0.818,优于EVI的0.281和0.675,因此在估算该地区草地生物量和植被盖度时,应选择植被指数NDVI而非EVI,且用NDVI来估算地上生物量的可信度远高于植被盖度. 相似文献
8.
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
9.
10.
青藏高原草地生物量遥感动态监测 总被引:4,自引:1,他引:3
利用青海省2006年8月地面样点实测的生物量,结合相应月份的MODIS植被指数数据,提取与样点对应的EVI和NDVI值,建立生物量与两种植被指数之间的关系模型,并分析模型的精度。结果表明,1)EVI与草地地上生物量的相关性强于NDVI。2)在不同盖度下,植被指数与生物量的相关性随着盖度的增大而增强。3)利用最优模型反演不同草地类型的逐月生物量,并分析研究区2002-2008年不同草地类型生物量的年季动态变化,发现草地生产力水平越高,草地生物量的年季变化越剧烈,说明该种类型的草地受气候变化的影响越大;生产力水平越低的草地类型,则对气候变化的敏感度较低。 相似文献