基于ENVI软件识别遥感影像中地质现象的方法

随着交叉学科的兴起,传统地质方法结合遥感技术可以高效准确对地质现象进行识别。ENVI软件是遥感领域一套完整的数据处理分析工具,广泛应用于各领域。本文基于遥感影像,构建一种识别地质现象的方法,并以青海省都兰县五龙沟地区为例,从数据选择、影像处理、识别方法和识别结果等方面系统介绍了该方法的工作步骤和应用效果。

基于光谱指数的玉米叶绿素含量估算

叶绿素含量是评价植物生长状况的重要参数.为建立不同生育期玉米(Zea Mays L.)叶绿素含量估算模型,考虑土壤、大气的影响以及卫星遥感影像的适用性.以夏玉米为研究对象,建立拔节期、灌浆期、乳熟期和完熟期玉米叶绿素含量估算模型,采用决定系数(R^(2))、均方根误差(RMSE)作为模型的评价和检验指标,基于Planet Labs遥感卫星(简称PL)数据和野外踏查数据对模型进行验证.结果表明,GARI植被指数建立的玉米叶绿素含量估算模型在拔节期和乳熟期运算值最优,在灌浆期GNDVI植被指数构建的模型运算效果最好,完熟期的最佳模型由NDVI植被指数建立.4个生育期模型的R^(2)分别为:0.76、0.85、0.84、0.88,模型精度分别为:80%、90%、90%和90%.该模型可以用于田间尺度快速、高效地估算玉米叶绿素含量,对农作物长势、品质评价和产量估算提供理论依据.

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性。结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳。