湿地植被地上生物量与湿地生态系统生产力、碳循环和养分循环等密切相关,是当前研究中的主要关注点之一。利用ASDFieldSpec2500便携式地物波谱仪测定闽江口鳝鱼滩芦苇(Phragmites australis)和短叶茳芏(Cyperus malaccensis Lam.var.brevifolius Bocklr.)冠层反射光谱,同时测定其地上鲜生物量和植株密度,分析地上鲜生物量与冠层反射光谱及一阶微分光谱的相关关系,确定敏感波段,进而改进植被指数;利用回归分析法,基于各个植被指数,构建地上鲜生物量和植株密度的估算模型。结果表明,芦苇和短叶茳芏地上鲜生物量与冠层反射光谱在蓝光、红光及近红外...

利用高光谱遥感技术能够高效，无损，快速的获取草地地上生物量，对草地畜牧业的高效管理，动态监测及草畜供求关系平衡等方面具有重要意义。为了探求估算生长期针茅群落地上生物量最适宜的光谱变量与植被指数，本研究在内蒙古锡林郭勒盟镶黄旗牧场获取光谱反射率与地上生物量数据，通过原始高光谱数据以及一阶微分，植被指数，绿峰与红谷等变量，运用回归模型建立相应地上生物量估算模型并对比评价模型精度。结果表明：克氏针茅（Stipa krylovii）群落在7-8月的牧草生长过程中，生物量逐渐增加，8-9月牧草枯黄明显，生物量明显下降。对原始高光谱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；在高光谱变量中，利用红边斜率（Dr）构建的线性模型精度最佳，R²为0.94，均方根误差（RMSE）为1.97g/m²，平均相对误差（MAE）为1.97g/m²。在植被指数中，利用土壤调整植被指数（SAVI）构建的多项式模型精度最佳，R²为0.92，RMSE为1.15g/m²，MAE为1.39g/m²。本研究能够为用不同高光谱变量估算针茅群落地上生物量提供科学依据，为快速精准的牧区天然草场遥感监测提供方法和技术支持。

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...

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...

【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。

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注。总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导。本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优势;然后论述森林地上生物量估算的传统模型估算法与机器学习估算方法(决策树法、K最近邻法、人工神经网络、支持向量机、最大熵)。多源遥感数据集成能够结合不同数据的优势,能够为森林地上生物量估算提供丰富的特征信息,结合机器学习估算方法,是提高森林地上生物量估算的准确性的发展趋势。

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。

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。

【目的】采用遥感数据估算森林地上生物量仍存在一些不确定性问题，研究估算过程中的误差来源及其占比，对提高森林地上生物量的估测精度具有重要意义。【方法】从遥感影像提取因子，结合高山松Pinus densata外业调查数据，建立多元线性回归、梯度提升回归树、随机森林等3种地上生物量估测模型，对样地尺度与3种模型的不确定性进行分析和度量。【结果】(1)高山松单株生物量模型不确定性为16.43%，样地尺度的不确定性为7.07%；(2)多元线性回归模型残差不确定性为34.86%，参数不确定性为21.30%，与样地不确定性合成后总不确定性为41.45%；(3)非参数模型中，梯度提升回归树估测高山松地上生物量的总不确定性为23.12%，随机森林为19.42%。【结论】3种遥感估算模型中，非参数模型的不确定性明显低于参数模型。相较于样地尺度，遥感估算模型的不确定性对地上生物量估算精度的影响较大。图3表3参26

为建立利用光谱技术快速诊断覆膜旱作水稻植株氮营养和产量的估算模型，应用高光谱技术分析了长江中下游覆膜旱作区水稻拔节期和抽穗期内５种不同施氮水平（０、６０、１２０、１８０和２４０ｋｇ／ｈｍ～２（Ｎ））下植株冠层光谱特征及其与植株氮素含量和产量的关系，并分别构建了植株含氮量和产量的估算模型。结果表明：拔节期和抽穗期内不同供氮水平下冠层光谱的变化规律基本一致，均随着供氮水平的增加，反射率在可见光区降低、在近红外区增大。覆膜旱作水稻植株氮含量与５５２和８９０Ｎｍ ２个敏感波段构成的比值（ＲＶＩ）和绿色归一化植被指数（ｇＮＤＶＩ）的关系最佳。构建的水稻关键生育期植株全氮含量及水稻产量的估算模型预测效果均．．．

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

概述了高光谱遥感信息的处理方法,综述和总结了高光谱遥感在植被生物物理和生物化学信息提取等方面的应用及国内外研究进展,阐述了植被指数应用的可行性,在此基础上指出高光谱遥感在提取植被信息过程中存在的问题及其发展前景。

【目的】以黑河流域上游祁连山森林保护区为研究区,利用133个森林样地调查数据、Landsat-5 TM影像和ASTER GDEM产品为数据源,探讨地形对该流域森林地上生物量(above-ground biomass,AGB)估测的影响,以及选择合适的遥感估测方法反演该流域的森林AGB。【方法】首先利用青海云杉特殊的生境范围和绿色植被对比值植被指数(ratio vegetation index,RVI)的灵敏程度,及不同地物对纹理特征的不同响应,制定相应的决策树分类器,将研究区的土地覆盖类型分为两大类:森林(青海云杉)-非森林,并利用133个森林样地调查数据和Google Earth高分辨率影像...

结合野外调查数据和Landsat5TM影像,分析6种地形校正方法(Teillet-回归,Cosine,C,SCS,SCS+C和Minnaert)对雷竹林地上生物量遥感估算的影响。结果表明:1)除Cosine和SCS方法存在校正过度现象,其余4种地形校正方法均具有良好的校正效果;2)6种地形校正方法均可提高TM4,TM5与地上生物量的相关性,且RVI,NDVI和SAVI这3种植被指数与生物量之间的相关性也得到改善;3)与原始影像相比,6种地形校正后的遥感数据都能不同程度地提高雷竹林生物量估算精度,以Teillet-回归校正后所建雷竹林地上部分生物量估算模型精度最高,相关系数从0.441提高到0....

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。