以ＷｏｒｌｄｖｉｅＷ－２遥感影像作为数据源，对东洞庭湖湿地核心区域进行了ｌＡｉ估算研究。首先对典型的植被指数与叶面积指数（ｖｉ－ｌＡｉ）的相关性进行了分析；然后选择了７个与ｌＡｉ之间存在显著相关性的植被指数（Ｎｄｖｉ、ｒｖｉ、ｄｖｉ、ＳＡｖｉ、ＭＳＡｖｉ、ｅｖｉ、ｒｄｖｉ）作为ｖｉ－ｌＡｉ的模型因子，采用多回归模型与ｌＡｉ实测数据进行拟合分析，筛选出这回归模型的最优因子；然后利用实测数据作为检验样本，最终确立了以Ｎｄｖｉ为模型变量的指数模型是用于ｌＡｉ估测的最优模型，精度达到了７４．３４％。结果表明：本研究采用的多植被指数比较建立的湿地植被ｖｉ－ｌＡｉ反演模型，是可以比较准确获取湿地区域叶面积．．．

【目的】探索植被指数（VI）及其波段选择、回归建模方法、训练样本选取三方面因素对基于统计模型的水稻叶面积指数（LAI）高光谱遥感估算的影响，构建县域水稻LAI估算模型，并在四川省凉山彝族自治州昭觉县开展实证应用。【方法】本文基于不同样本量的３套训练数据，分别对增强型植被指数（EVI）、修正三角植被指数2（MTVI2）、归一化差值植被指数（NDVI）和修正比值植被指数（MSR）开展波段选择。在此基础上，以1种VI作为LAI的特征参量，试用指数回归（ER）和人工神经网络（ANN），构建LAI估算模型。计算LAI估算值和实测值之间的决定系数（R~(2)）和均方根误差（RMSE），开展估算精度验证。【结果】①基于EVI或MTVI2的LAI估算精度优于NDVI和MSR。以ANN模型为例，基于优选波段的EVI和MTVI2得到的R~(2)分别为0.638和0.681，RMSE分别为0.554和0.519；而NDVI和MSR得到的R~(2)分别为0.567和0.560，RMSE分别为0.606和0.611。②基于各VI优选波段组合的LAI估算精度（平均R~(2)为0.574，平均RMSE为0.598）优于默认波段组合（平均R~(2)为0.424，平均RMSE为0.694）。③ANN模型的表现优于ER模型。在基于默认波段、优选波段的LAI估算试验中，ANN模型得到的平均R~(2)比ER模型分别提高了40.27%和14.03%；平均RMSE分别降低了11.32%和8.11%。④就本项目试验而言，训练样本量对基于ANN模型的LAI估测精度的影响不显著。例如，当训练样本量低至24时，基于EVI构建的ANN模型的测试精度（R~(2)=0.660， RMSE=0.537），仍然优于ER模型（R~(2)=0.597， RMSE=0.585）。【结论】VI及其波段选择与回归建模方法对LAI高光谱遥感估算均有明显影响。针对特定区域的目标作物，尝试利用任意可能的波段组合来计算多种VI，遴选与实测LAI相关系数最大的VI及其波段组合，有益于提高基于VI的LAI高光谱遥感估算精度。同时，即使基于小样本训练数据，机器学习算法仍有可能得出优于参数回归的结果。

土壤氮素是土壤肥力的重要指标之一,在粮食生产和质量上扮演着极其重要的角色。土壤氮素监测不仅是农业生产的研究热点,也是全球气候变化问题研究的热点之一,而遥感技术为土壤氮素监测提供了一种快速无损的、新的技术手段。本研究利用TM影像通过NDVI变换反演植被覆盖度,同时结合地面实测数据,分析影像植被覆盖度与实测植被覆盖度的关系,及二者在反演土壤氮素含量时的差异;并建立影像植被覆盖度与土壤全氮含量的估算模型;结果表明:影像植被覆盖度与实测植被覆盖度的相关性极显著,通过比较实测植被覆盖度与土壤全氮、碱解氮的关系,发现实测植被覆盖度与土壤全氮含量相关性极显著,而与土壤碱解氮含量相关性不显著。

湿地是具有丰富的生物多样性和较高生产力的生态系统,在全球碳循环中占有重要地位。湿地植被净初级生产力(NPP)是衡量湿地生态系统健康状况的重要指标。以上海崇明东滩湿地3种典型植被———芦苇、海三棱藨草、互花米草为研究对象,结合实地调查、实验室测定和遥感技术进行湿地植被净初级生产力估算研究。首先,设置湿地3种典型植被样方,测量植被鲜重、高度、密度、盖度和叶面积指数(LAI)等反映植被生物学特性的特征参数,按不同植被类型分别建立基于LAI的样方NPP回归模型;其次,利用一景相近时相的SPOT5影像,经过几何纠正和辐射定标后,采用面向对象分类方法对影像分类,同时,计算出能较好地反映植被特征和消除土壤背...

以盐城湿地自然保护区核心区的ETM+图像数据和同期野外实测的31个样方地上生物量干重、湿重数据为数据源,分析了15个遥感信息变量与湿地植被地上生物量干重、湿重的相关关系,并选择在0.01水平上显著相关的8个遥感变量建立一元线性回归模型、一元曲线回归模型以及多元逐步回归模型,并对比得出最优模型,进而计算出整个研究区的地上生物量。研究得出:①与研究区湿地植被地上生物量干重和湿重相关性最大的都是ETM+4波段,干重的相关系数为0.833,湿重的相关系数为0.796;②研究区植被地上生物量干重和湿重的遥感估算模型都是一元三次函数模型,且干重模型的拟合精度要优于湿重模型;③得到研究区地上生物量干重总重量...

以植被结构因子——叶面积指数(LAI)取代长期以来用于水土保持定量评价的植被覆盖度,通过遥感技术反演植被结构因子LAI,构建研究区LAI与植被覆盖管理措施因子C量化耦合模型,并进行模型精度验证。结果表明:基于LAI模拟的土壤侵蚀模数为455.89t·km-2a-1,属于微度侵蚀,与径流小区野外观测结果一致。本文提出的LAI取代植被覆盖度作为水土保持定量估算与评价指标是可行的。

论文基于估算ＮＰＰ的ＣＡＳＡ模型和估算ＥＴ的三角形模型对水分限制因子算法进行改进的基础上，构建了由ＮＰＰ子模型和ＥＴ子模型组成的ＷＵＥ遥感估算模型，以２０１０年相关ＭＯＤＩＳ影像和气象参量为数据源，实现了渭河流域ＷＵＥ的估算，并对ＷＵＥ的时空特征及其与年内气温、降雨的关系进行了分析。研究表明：１）ＷＵＥ模拟结果与通量观测数据以及生态系统模型模拟结果均具有一定的可比性，各模型模拟结果存在差异可能与ＷＵＥ定义、模拟区域、使用数据源以及使用植被覆盖分类底图等存在差异有关；２）渭河流域ＷＵＥ年内分布呈现微＂双峰＂型格局，以８月最高，春、夏、秋、冬四季ＷＵＥ分别为０．５７、１．０５、０．６６、０．１２ ．．．

以北京大学"无人机遥感载荷综合试验场"为试验区,采集草地植被覆盖度(VegetationCover,VC)和相应样方冠层高光谱反射率数据,并对比研究了高光谱反射率三种变换形式(小波能量系数、主成分和植被指数)与VC之间的关系模型。结果表明:在三种变换形式中,植被指数模型(R2大于0.8,RMSE小于等于0.018 8)优于基于小波变换和主成分分析的VC模型;经过对高光谱数据进行小波分解获得的第二和第四小波能量系数与VC之间存在显著的对数相关(R2分别为0.811和0813;RMSE分别为0.019 9和0.019 8);以多个小波能量系数作为自变量的VC多元回归模型明显优于基于主成分的多元线性...

【目的】准确估算黑河流域中游地区植被生态耗水量，为流域生态保护和水资源配置提供科学参考。【方法】借助卫星遥感、GIS等技术，利用2011年5－9月黑河中游地区的归一化植被指数(INDV)数据，将其与同期土地覆被和气象数据相结合，采用植被指数法对黑河中游地区植被生长季的生态耗水量进行计算和分析，利用2008年同地同期数据资料进行检验。【结果】黑河中游地区林地蒸散发量214.2343.9 mm，草地蒸散发量为213.2269.8 mm；区域植被生态耗水量为5.812 8亿m3，其中林地生态耗水量为0.474

草地是维持大庆生态平衡的重要因素,草地退化严重影响了大庆地区的经济发展和生态环境。研制该地区基于植被指数的草地退化因子的定量反演模型,对于大庆地区草地退化的特征和规律的研究尤为重要。为此,基于大庆地区1988、1996、2001年3个时段的TM影像,应用归一化植被指数(NDVI)和土壤调节植被指数(SAVI),采用像元二分模型法和经验模型法建立统一的大庆地区草地植被盖度和可食牧草率的遥感定量反演模型。然后采用不变的地物类对TM历史影像的像元值做辐射配准;最后,将辐射配准后的历史影像带入模型,制作大庆地区各年度草地盖度和可食牧草率的分级图,从而为大庆地区草地退化的研究提供信息和依据。该研究求出了...

青藏高原是我国重要的畜牧业基地,畜牧业生产长期受到旱灾的影响,在当地开展旱灾指数保险产品设计具有重要意义。以青藏高原中部的那曲地区为例,深入分析了当地畜牧业旱灾的主要特点。该地区春夏两季出现的干旱主要引起牧草长势差、牲畜入冬膘情不足、越冬死亡风险上升的情况。针对该情况,在保险支撑防灾的保险产品设计理念下,拟定了通过旱灾指数保险补偿牧民补饲所需的草料成本的指数产品设计框架。在此框架下,综述了几类主要的可表征草场和畜牧业旱灾的气象指标和遥感植被指数,确立了以遥感植被指数估算草地鲜重,测算相对减产率作为赔付依据的旱灾指数方案。利用那曲地区2001—2014年间的牧草生长季MODIS-NDVI数据,测算了保险赔付的触发标准,厘定了保险费率,并以2003年为例对该指数产品的赔付流程进行了说明。研究结果可为当地开办相关指数保险产品,防范畜牧业旱灾风险,促进边疆民族地区经济社会可持续发展提供科学依据。

在大区域土壤侵蚀评价中,由于缺乏详细的降雨记录和侵蚀观测实验,USLE模型中植物管理因子的参数化非常困难。该研究提议采用多时相Landsat TM/ETM遥感图像和天气模拟相结合的方法来估算植物管理因子值。其中,采用线性光谱分解算法计算各类地面覆盖物的盖度,用以估算潜在土壤流失率;采用CLIGEN模型模拟历史降雨事件并计算降雨侵蚀指数的时间分布;最后使用正则化的降雨侵蚀指数加权平均潜在土壤流失率,获得植物管理因子的估算值。该研究方法在潮河上游流域进行了应用验证,计算各土地利用类型的植物管理因子值并对比分析,结果表明:其数值变化与土地利用分类定义的植被盖度非常一致,利用上述因子值进行土壤侵蚀评估...

该文在对像元二分模型2个重要参数推导的基础上,改进了已有模型的参数估算方法,建立了用NDVI归一化植被指数定量估算植被覆盖度的模型,并根据实际运用时的两种情况,提出了估算植被覆盖度的方案。研究结合密云水库上游实际情况,设计了模型应用的技术路线和实施方法,对研究区植被覆盖度进行了估算。通过密云流域的实地考察,利用照相法对植被覆盖度的估算结果进行了验证,估算精度达85%,表明使用此改进模型进行植被覆盖度遥感监测是可行的。

针对PM_(2.5)遥感估算模型的精度和时空适用性问题,利用珠三角地区2014年12月—2015年11月的MODIS气溶胶产品和同期气象数据,运用统计回归法、单因素优选法和地学技术,基于站点优选模型构建区域复合模型,并评估模型模拟精度。结果表明:(1)将PBLH和RH修正的PM_(2.5)-AOD回归模型与原始回归模型比较,得到PM_(2.5)站点优选模型,80%以上站点模型通过气象因子的修正,R2提高了4.81%~576%。(2)根据PM_(2.5)区域复合模型季节尺度的差异,研究区被划分为12(春)、6(夏)、6(秋)、7(冬)类分区,模型R2最高为0.711。(3)在季节尺度下,PM_(2.5)模拟值与监测值一致性良好,秋季数据组的相关性最佳,而春、夏两季模型的稳定性更优。综上,珠三角区域复合模型的预测效果优异,实用性强。

遥感技术已成为草业科学研究的重要手段，在植被覆盖度估算中的应用不断加强。由于遥感成像传感器的局限性和同时获取高空间和光谱分辨率图像的成本较高，导致植被观测领域的高精度估测难以从单一的遥感数据中获得。因此，需要综合源图像的关键信息，对不同分辨率的遥感图像数据进行融合，使融合后的图像具备更高的清晰度、更丰富的纹理和更详尽的光谱信息，从而提高植被覆盖度提取的精度。本研究以高分一号采集的全色、多光谱遥感图像为研究对象，对其进行了辐射定标、大气校正、正射校正、图像配准和裁剪一系列预处理，并使用PCA、IHS等7种基于分量替换的方法，Wavelet等5种基于多分辨率分析的方法，PNN和PanNet两种基于深度学习的方法进行了全色与多光谱遥感图像融合，并做了对比研究分析。进一步，针对最优融合算法PanNet提出了改进思路并加以验证，结果表明改进后的PanNet算法的各项指标均优于改进前的PanNet算法。最后将融合图像运用于植被覆盖度估算，证明了改进后PanNet遥感图像融合算法在植被覆盖度估算上的优越性。