监测小麦叶片氮积累量的新高光谱特征波段及比值植被指数

实时、快速、无损监测作物氮素状况对于精确氮肥管理具有重要意义。传统的氮素估测方法在时间或空间上难以满足要求,新兴的高光谱遥感技术为作物氮素监测提供了有效手段和技术途径。本研究的目的是基于三个田间试验的系统观测资料,探索可用于小麦叶片氮素监测的新的高光谱敏感波段及比值指数。利用减量精细采样法,系统构建了350～2500nm范围内所有两两波段形成的比值光谱指数RSI(ratio spectral index),综合分析了小麦叶片氮积累量LNA(leaf nitrogen accumulation)(gN·m-2)与RSI的定量关系,发现了监测叶片氮积累量的新高光谱特征波段(990,720)和光谱指数RSI(990,720),建立了相应的监测模型y=5.095x-6.040,模型的决定系数(R2)为0.814。利用独立试验资料检验模型,决定系数(R2)为0.847,相对根均方差(RRMSE)为24.70%,表明模型预测值与观察值之间的符合度较高。因此,利用高光谱比值指数RSI(990,720)来估算小麦叶片氮积累量是精确可行的。该结果为便携式小麦氮素监测仪的研制开发及遥感信息的快速提取提供了适用可行的波段选择与技术依据。

减化比值植被指数在城市热环境研究中的应用

以南京市ETM+影像为数据源,经嵌套于ERDAS IMAGINE9.1中的ATCOR2大气校正后,提取了南京城区地表温度(land surface temperature,LST)、归一化植被指数(normalized difference vegetation index,NDVI)和减化比值植被指数(reduced simple ratio,RSR),基于实测值和同时相AS-TER数据反演结果的双重验证,拟合了两种植被指数与地表温度的定量关系,并进行对比分析。结果表明,除水体外,植被覆盖度高的区域地表温度明显低于植被稀少或无植被区;地表温度与NDVI呈显著线性负相关,与RSR呈显著幂函数负相关,后者的相关性高于前者;当RSR小于3.2时,地表温度随植被覆盖增加而锐减,当RSR大于3.2时,植被覆盖继续增加,地表温度却趋于恒定,呈现植被降温效应"饱和"现象;对比比值植被指数(ratio vegetation index,RVI)应用结果发现,近红外和红光比值的线性拉伸是导致NDVI和RSR表征城市热环境效应存在差异的主因,还与短波红外对水分敏感和能真实反映植被冠层结构有关。中国6大城市热环境案例研究均表明,RSR能直接解释对于不同下垫面,增加相同的植被覆盖度其降温效果存在差异的现象,而不进行土地利用分类,NDVI则无法揭示此现象。

基于比值植被指数的建设用地覆盖变化研究

基于中巴资源卫星遥感影像数据,利用比值植被指数对徐州市2001年,2005年,2008年3年的建设用地覆盖情况进行提取,探究比值植被指数应用于建设用地提取的可行性。通过比较2001—2008年间建设用地变化情况,发现徐州建设用地覆盖呈增长趋势,2005—2008年较2001—2005年增速稍缓。结果表明,利用比值植被指数对遥感影像分析,可以快速地获取建设用地覆盖变化情况,为未来几年发展的预测与规划提供参考。

基于高光谱植被指数的棉田冠层特征信息估算模型研究

采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术,建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价,最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明,基于归一化植被指数预测棉花叶面积指数,以幂函数(y=11.084x12.024,r=0.8076**)的模型为最优;基于比值植被指数预测棉花单位面积地上部鲜生物量,以指数函数(y=52.261.exp(0.1024x),r=0.8114**)的估计模型为最优;基于比值植被指数预测棉花单位面积地上部干生物量,以指数函数(y=9.5552.exp(0.1133x),r=0.8330**)的模型为最优。可见,利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量,为精准种植棉花提供了依据。

叶片光化学植被指数(PRI)的修正及其敏感性分析

光化学植被指数(PRI)被成功的应用于估算不同叶片生化组分的光能利用率(LUE),这些生化组分包括叶片含水量、氮元素浓度等。以往的研究中已经成功建立了叶片、冠层和景观尺度PRI和LUE的相关关系。但是,为了利用PRI更加准确地估算叶片LUE,很多问题仍然亟需解决,比如当LUE高于0.03mol CO2 mol-1PPFD(photosynthetic photon flux density),PRI会出现一个明显的饱和区域以及PRI和LUE关系会随季节发生较大变化。文章对PRI进行了修正,并基于PROSPECT模型对这一修正形式进行了4个参数的敏感性分析。分析结果表明,叶片SR-PRI(Simple ratio PRI)对叶肉结构参数(N)、叶绿素浓度(cab)敏感性要高于叶片的等效水厚(cw)和干物质浓度(cm)。因此叶肉结构参数(N)和叶绿素浓度(cab)的微小变化都会造成SR-PRI的较大变化,进而影响到LUE的估算精度。对SR-PRI的实证实验表明,这一指数也能够很好地用来估算叶片的光能利用率并且结果要优于PRI和LUE之间的相关关系。SR-PRI最重要的一方面在于其更清晰的物理意义和对531nm处反射率变化的敏感性,因为这一波段位置的反射率变化是评价光能利用率的核心参数。

龙口市污水灌区与清水灌区冬小麦植被指数变化差异分析

为了研究污水灌溉对农田土壤环境和作物生长的影响,利用2008—2009年10期中国环境与灾害监测预报小卫星(HJ-1A)CCD1影像数据,结合龙口市冬小麦物候期的变化特征提取出单一冬小麦种植区,反演了冬小麦生长期内的归一化植被指数(NDVI),并对污水灌区和清水灌区的冬小麦植被指数进行比对分析,最后结合相应的重归一化植被指数(RDVI)和叶面积指数(LAI)进行验证。结果显示,研究区内污水灌溉已经对灌区的作物生长产生了一定的影响,污水灌溉区作物的生长状况明显不及清水灌溉区作物长势。说明污水灌溉会导致冬小麦的长势变差,对污水排放的控制和污水无污化处理势在必行。

基于遥感影像的都江堰市多植被指数的比较研究

植被指数是遥感领域中用来表征地表植被覆盖,生长状况的一个简单,有效的度量参数。随着遥感技术的发展,植被指数在环境、生态、农业等领域有了广泛的应用;随着人们对于全球变化研究的深入,以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题。该文主要从NDVI、RVI、DVI三种常用植被指数模型进行分析研究,利用TM遥感影像为主要数据源,通过ERDAS IMAGINE软件对都江堰市遥感影像图进行植被指数的提取以及计算,通过3种不同的植被指数进行分析比较得出该区域的最佳植被指数。

安西极旱荒漠国家级自然保护区南、北部植被指数和水热因子变化及相关性分析

根据安西极旱荒漠国家级自然保护区南部和北部2000年、2003年、2006年、2009年和2012年的MODIS影像数据和相关气象数据,对该保护区荒漠植被的归一化植被指数(NDVI)和比值植被指数(RVI)及水热因子(七月份均温、年均温和年均降水量)进行比较和相关性分析。结果表明:在2000年至2012年,该保护区南部植被的NDVI和RVI指数均随着时间推移持续升高;北部植被的NDVI指数在2003年达到最高值、2006年明显下降、之后持续升高但均低于2003年水平,而RVI指数则总体呈逐渐升高的趋势。该保护区南部和北部的七月份均温和年均温均在2003年最低、之后逐渐升高,其年均降水量变化趋势与北部NDVI指数的变化趋势一致。相关性分析结果表明:该保护区南部和北部植被的NDVI和RVI指数间存在极显著正相关;南部植被的NDVI和RVI指数均与年均温、七月份均温和年均降水量呈显著或极显著正相关;北部植被的NDVI指数仅与年均降水量呈显著正相关,其RVI指数与七月份均温和年均温呈极显著正相关。与该保护区南部相比,北部植被的NDVI和RVI指数均较低,年均温和年均降水量也较低,但七月份均温却较高。综合分析结果显示:与同期的水热因子变化相比,安西极旱荒漠国家级自然保护区南部和北部植被的NDVI指数虽然具有较明显的时滞效应,但仍然能够较好地反映植被的生长状况;而它们的植被RVI指数变化不明显,不适用于该保护区荒漠植被的影像研究。总体来看,该保护区的荒漠植被的生长缓慢但生长状况良好。

基于Green Seeker对小麦植被指数与产量形成模型的研究

小麦的产量受品种、光照、昼夜温差、降水、病虫害等自然灾害和耕地面积等综合因素的影响。通过小麦不同品种、不同灌溉方式、不同播种方式在小麦整个生育期的监测,研究小麦在不同的生长环境下建立与小麦的产量关系尤为重要。小麦冠层归一化植被指数(NDVI)以及比值植被指数(RVI)的变化情况,可利用主动遥感仪器——Green Seeker进行检测。对测量数据进行筛选,建立回归模型,解析小麦冠层植被指数与产量的变化规律,寻找基于NDVI和RVI与小麦产量的最佳估算模型,并验证小麦产量预测模型的有效性,对小麦产量预测的公式进行分析。

基于植被指数的山火后林地受灾以及恢复情况分析方法研究

林地作为“山水林田湖草”之一,无论从生态价值还是经济价值上,都是自然资源的重要组成部分。山火作为林地主要灾害,对其具有严重的影响。通过植被指数对林地受灾情况进行分析以及对受灾后的林地恢复情况进行评估,对灾后重建与恢复工作具有较大意义。文章基于植被指数,利用遥感大范围覆盖、周期短、指数选择灵活性高、易于操作等特点,实现了对林地高效、准确的监测。对实验区数据进行分析后选取特定植被指数——归一化植被指数(NDVI)与比值植被指数(RVI),对实验区林地的状况以及灾后恢复情况进行分析。结果表明,利用植被指数对林地火灾情况以及灾后植被恢复情况分析可有效应用于林地监测以及灾后重建工作,可行性较高。

温度植被干旱指数在旱情监测中的应用

利用MODIS 8 d合成产品数据MOD11A2和16 d合成产品数据MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建NDVI-Ts特征空间,以该特征空间计算的温度植被干旱指数(TVDI)作为干旱监测的指标,反演西藏2006年、2005年、2004年3、4、5、6四个月每16 d的干旱变化状况。利用计算的TVDI值对西藏进行干旱等级的划分,并通过不同年份不同月份TVDI值的对比得到同一年份不同区域、同一年份不同月份以及不同年份西藏的干旱变化。以此为依据采取更有效的抗旱政策指导西藏进行合理的生产,促进经济社会的可持续发展。文章主要采用了线段比值法计算TVDI值,研究结果表明,利用线段比值法计算的TVDI值作为干旱监测的指标是可行的。

基于RVI分区的淀山湖蓝藻暴发期叶绿素a的遥感估测

以淀山湖为研究区域,利用MODIS数据探讨蓝藻暴发期叶绿素a质量浓度〔ρ(Chla)〕的遥感估算方法.为了提高估算精度,解决蓝藻暴发期因ρ(Chla)差异较大而产生的估测模型的参数适应性问题,引入比值植被指数(Ratio VegetationIndex,RVI)分类法,将RVI>0.95的区域界定为高蓝藻含量水体,将RVI≤0.95的区域界定为较清洁水体,并基于分区分别建立遥感估算模型.结果表明,分区后MODIS数据叶绿素a估测模型能更好地映射ρ(Chla)的变化,基于RVI的分类估算方法可以有效地提高淀山湖水体蓝藻暴发期ρ(Chla)的估算精度.

棉花冠层水分含量估算的高光谱指数研究

适宜的光谱指数对于地表参数高光谱诊断模型的估算精度具有决定性作用。通过不同棉花冠层水分含量表征参数冠层等效水厚度EWTcanopy,植株含水量VWC及其对应的光谱数据分析,构建350～2 500nm范围内所有波段两两组合的比值指数RVI和归一化指数NDVI,分析水分含量表征参数与所有指数之间的相关关系,筛选最大相关系数对应的指数作为最佳水分指数,利用新指数构建水分含量表征参数的估算模型,并与已知的各种水分指数估算精度进行比较。结果表明:新建比值指数R1 475/R1 424及其归一化指数(R1 475-R1 424)/(R1 475+R1 424)对EWTcanopy的估算效果最佳,由其得到的估算值与实测值之间的相关系数r值达到0.849;已知指数(R835-R1 650)/(R835+R1 650)对VWC的估算效果最佳,由其得到估算值与实测值之间的相关系数r值为0.805。

基于遥感手段对呼和浩特市耕地质量评价的研究

针对自然因素和人为活动导致的耕地质量变化,从遥感信息的角度,结合测绘地理信息数据,提出对呼和浩特市2011年至2015年耕地质量的评价。采用压力-状态-响应(P-S-R)框架模型对该地区耕地进行等级划分,比较得出该地区2011年到2015年耕地等级的变化情况,以及耕地的转入转出情况。通过分析得出,水渠距离以及道路距离指标没有出现明显的变化,所以剩下的3个指标DVI、NDVI和RVI对评价结果影响较大。该评价方法可以有效对该地区的耕地等级进行划分,为该地区的土地利用规划编制以及生产实践提供一定的科学指导;同时为探讨耕地等级动态监测体系建设提供了新的思路,为耕地资源的审计工作提供了新的借鉴。

利用MISR遥感数据反演小兴安岭地区森林叶面积指数

叶面积指数(leaf area index,LAI)是森林生态系统中最重要的参数之一。以多角度数据MISR和MODIS土地覆盖类型数据为数据源,采用5-Scale几何光学模型与统计模型相结合的方法反演小兴安岭地区植被叶面积指数。研究结果表明:比值植被指数(simple ratio,SR)与研究区LAI的相关性最好,最适合该区LAI的遥感提取。反演精度为95.7%,均方差为0.34,误差均在合理范围之内。反演精度较高,反演结果较好。研究区域植被LAI随着纬度的增加呈现递减趋势,LAI均值为1.21,最大值为9.28,最小值为0.83,以多角度数据为信息源采用5-Scale模型与统计模型相结合的方法为大区域LAI的遥感反演提供一个有效途径。

运用ENVI实现SPOT-5卫星影像的RVI提取

运用ENVI软件处理长沙地区的SPOT-5影像,将全色影像和多波段影像进行融合,分析融合后的影像,再选择感兴趣区域进行影像裁剪;采用ENVI的波段运算(Band3/Band2)提取该地区比值植被指数并进行分析。结果表明:比值植被指数对植被覆盖率较高的区域有非常高的敏感度;在植被覆盖率小于50%的时候,其敏感度明显降低,在绿色植被覆盖区域的比值植被指数远大于1,在裸露地表、建筑物、水体等没有植被覆盖区域的比值植被指数则在1附近,而比值植被指数大于2的则出现在高覆盖健康绿色植被上。

基于遥感影像的城市植被信息提取研究

研究遥感影像在城市植被中的应用,以桂林市作为典型研究区域,以2006年的桂林市植被变化情况为例,利用TM遥感影像为主要数据源,通过EDRASIMAGINE软件对2006年桂林市遥感影像图进行植被指数的提取以及计算(主要是NDVI、RVI、TNDVI3个指数),通过对比评价看出:NDVI才是研究植被变化情况最佳的植被指数。

4种常用植被指数的地形效应评估

植被指数已经广泛应用于地表植被覆盖监测,但是地形对植被指数的影响难以避免,却经常在大尺度遥感应用时被忽略。本文利用山区森林的Landsat TM数据计算SR、NDVI、RSR、MNDVI4种常用植被指数,评估了地形对这些植被指数的影响,并利用余弦校正和C校正模型分别对它们进行地形校正。结果表明,近红外和短波红外比红光波段的地形影响更为敏感,原因是更强的红光天空漫反射削弱了红光的地形影响。地形强烈影响非波段比值型植被指数(如RSR和MNDVI等),导致阳坡的植被指数相对偏小,阴坡的植被指数相对偏大,这种地形效应随坡度增大而显著增大。因此,利用非波段比值型植被指数反演山区植被参数时必须做严格的地形校正。与之相反,波段比值型植被指数(如SR和NDVI等)可以很大程度上消除地形影响,但是在大坡度情况下,地形影响仍然不能被忽略,而且此时SR比NDVI的地形效应更大。C地形校正效果好于余弦校正效果,特别是大坡度情况下更为明显。

两种植被指数与地表温度定量关系的比较研究——以南京市为例

加强绿化可有效缓解城市热岛(UHI)效应,但植被降温规律如何,如何科学绿化一直模糊不清。以南京市ETM+影像为数据源,经ATCOR2模块大气校正后,提取了南京城区地表温度(LST)、归一化植被指数(NDVI)和减化比值植被指数(RSR),基于实测值和同时相ASTER数据反演结果的双重验证,拟合了两种植被指数与地表温度的定量关系,并进行了对比研究。结果表明:南京市存在明显的UHI,城区水体和绿地为显著的低温区,除水体外,植被覆盖度高的区域地表温度明显低于植被稀少或无植被区;地表温度与NDVI呈显著线性负相关,与RSR呈显著幂函数负相关,后者的相关性高于前者;以RSR=3.2为界,此值之前,地表温度随着植被覆盖增加而锐减,此值之后,植被覆盖继续增加,地表温度却趋于恒定,呈现植被降温效应"饱和"现象;RSR能直接说明对于不同下垫面,增加相同的植被覆盖度其降温效果存在差异,而不进行土地利用分类,NDVI无法揭示此现象。