采用不同光谱波段宽度的归一化植被指数估算水稻叶面积指数

通过大田试验,测量了水稻不同生育期的冠层光谱,并通过在TM红光波段和近红外波段范围内不断扩展波段宽度,计算了各个波段宽度对应的归一化植被指数(NDVI)及其与叶面积指数(LAI)的最大相关系数,再根据NDVI与LAI最佳拟合方程的最大R2值随波段宽度的变化特征确定了最佳波段宽度.结果表明:NDVI与LAI的相关系数和最佳拟合方程的最大R2值具有相同的变化趋势,在小于红光波段宽度60nm范围内,均随波段宽度的增大而减小,即窄波段NDVI比宽波段NDVI对LAI的估算效果好;在超过60nm后,由于受近红外波段宽度的影响而略有波动.对R2规律的分析表明,使用NDVI估算水稻LAI的最佳波段宽度为15nm.

西藏高原青稞三种植被指数对红外增温的初始响应

气候变暖影响着农作物生长及其植被指数。为了探讨西藏高原青稞(Hordeum vulgare Linn.var.nudum Hook.f.)归一化植被指数(normalized difference vegetation index,NDVI)、归一化绿波段差值植被指数(normalized green difference vegetation index,GNDVI)和土壤调节植被指数(soil adjusted vegetation index,SAVI)对气候变暖的初始响应,2014年5月在西藏达孜县布设了一个红外增温实验(3个水平,即对照,1 000和2 000 W红外增温)。通过对2014年6─9月利用农业多光谱相机获取的3种植被指数和利用HOBO微气候观测系统获取的两个深度(5和20 cm)的土壤温湿度的统计分析,探讨了西藏高原青稞植被指数对红外增温的响应及其与土壤温湿度的相互关系。结果表明,1 000和2 000 W的增温使5 cm的土壤温度(t5)分别升高了约1.62和1.77℃,使20 cm的土壤温度(t20)分别升高了约1.16和1.43℃;相反使5 cm的土壤湿度(SM5)分别下降了约1.8%和14.1%,使20 cm的土壤湿度(SM20)分别下降了21.6%和14.7%。1 000 W的增温使NDVI、GNDVI和SAVI分别增加了约2.4%、4.3%和0.5%;2 000 W的增温则使NDVI、GNDVI和SAVI分别增加了约5.5%、5.3%和4.8%,尽管增加幅度并不显著。单因子回归分析表明,t5与NDVI(r2=0.110,P=0.026)和GNDVI(r2=0.254,P=0.000 4)为负相关,而与SAVI无关(r2=0.069,P=0.082);t20与GNDVI为负相关(r2=0.218,P=0.001),而与NDVI(r2=0.040,P=0.190)和SAVI(r2=0.014,P=0.443)无关;SM5与NDVI(r2=0.277,P=0.000 2)、GNDVI(r2=0.394,P=0.000 0)和SAVI(r2=0.208,P=0.002)为正相关。SM20与GNDVI为正相关(r2=0.193,P=0.003),而与NDVI(r2=0.059,P=0.107)和SAVI(r2=0.037,P=0.209)无关。多重回归分析表明,SM5主导着NDVI、GNDVI和SAVI的变异。偏相关分析表明,NDVI、GNDVI和SAVI与SM5的相关系数分别为0.442(P=0.003)、0.412(P=0.007)和0.404(P=0.008);与SM20的相关系数分别为-0.042(P=0.792)、0.051(P=0.749)和-0.033(P=0.837);与t5的相关系数分别为-0.154(P=0.332)、-0.019(P=0.907)和-0.170(P=0.282);与t20的相关系数分别为0.228(P=0.147)、-0.041(P=0.795)和0.268(P=0.086)。因此,红外增温引起的干旱抑制了青稞的生长,进而影响了植被指数,即植被指数的不显著变化可能与红外增温引起的土壤干旱有关。

中国东部南北样带植被绿度期变化与降水关系研究

为了探索陆地生态系统如何响应全球气候变化,基于植物物候遥感监测的原理和特点,笔者应用野外物候观测数据和植物物候遥感监测相结合的方法,采用中国国家气象局355个站点1951—2004年观测的相关资料,以及美国地球资源观测系统数据中心的探路者数据集中的NOAA/AVHRR NDVI数据,构建Logistic模型。将其应用于中国东部南北样带上以物候为指示的植被格局动态与气候变化研究之中,分析1982—2003年样带植被绿度期参量与降水相关关系。在全球气候变暖的情况下,植被绿度初期提前趋势明显,特别是在20世纪90年代中后期,平均绿度初期提前8天左右;样带北部温度升高、降水减少,特别是春季降水减少,会使温带荒漠地区荒漠化趋势加重。

基于MODIS的2019年中国南黄海绿潮生消过程分析

基于MODIS影像数据,通过归一化植被指数法提取2019年绿潮信息,分析了水温和降水对浒苔生消过程的影响。结果表明:2019年浒苔灾害最早出现时间为4月下旬,最晚时间为9月中旬,绿潮生消过程总体分成5个阶段,分别为初期发育期(4月下旬—5月中旬)、中期生长期(5月中旬—6月上旬)、快速生长期(6月上旬—7月上旬)、成熟白化期(7月上旬—中旬)和快速消亡期(7月中旬—9月中旬)。6月23日,绿潮覆盖面积和分布面积均达到当年峰值,分别为780 km^(2)和59420 km^(2),水温为22℃。绿潮的覆盖面积变化随水温季节性的升高呈现先上升后下降的走势,降雨对绿潮覆盖面积的增长有一定的刺激作用。

基于ETM+影像的绿地信息提取方法研究

文中以ETM+影像为数据源实现对贵阳市某城区的绿地信息提取。对获取的影像进行预处理,分别通过不同的方法:原始波段组合法、主成分分析法(PCA)、独立分量分析法(ICA)、归一化植被指数法(NDVI)及基于第一独立分量的实验室波段组合法,获取研究区的假彩色合成影像。将以上方法得到的影像数据进行对比分析,表明植被景观目视效果最好的是原始波段组合法。将得到的影像数据进行监督分类,通过目视解译的方法进行精度评价,结果表明,基于第一独立分量的实验室波段组合法绿地信息提取精度最高,是一种有效的绿地信息提取方法。

GF-6WFV黄边波段在森林扰动监测中的应用潜力研究

为了探讨国产高分六号卫星多光谱宽视场成像仪(WFV)八波段数据在森林扰动研究中的应用潜力,本文基于北京市西山林场2018年10月-12月期间的4期高分六号卫星WFV数据,经数据标准化处理后,比较4波段和7波段黄边归一化植被指数(YNDVI)与标准NDVI在森林扰动信息提取方面的差异。研究结果表明在初秋至初冬的时间序列内,植被的季节性变化明显,GF-6 WFV的近红外波段对于森林扰动监测作用最大;基于近红外和黄边波段建立的YNDVI比近红外和红波段的NDVI更能有效反映森林扰动信息。因此,GF-6 WFV传感器的新增波段在森林资源监测、病虫害监测、森林火灾预警等多个方面具有巨大应用潜力。

Landsat8热红外波段地表比辐射率估算方法改进

地表比辐射率是地表温度反演的关键输入参数,为了解决现有Landsat8热红外波段地表比辐射率估算方法较复杂的问题,基于ASTER光谱库数据和植被指数混合模型,提出一个适用于Landsat8热红外波段地表比辐射率的估算方法。采用MODIS地表比辐射率产品、地表温度产品与地面气象站点气温数据验证表明:估算得到的地表比辐射率同MODIS地表比辐射率产品平均相对误差小于0.005,相关系数0.8以上。运用估算的地表比辐射率数据反演得到的地表温度同气温数据的绝对误差小于1℃。由此得出结论,该方法可以较好的估算出Landsat8热红外波段地表比辐射率,可以支持生产高精度地表温度产品。

基于Sentinel-2卫星的星云湖叶绿素a遥感估算研究

本研究采用了哨兵2A卫星建立针对星云湖的叶绿素a遥感估算模型。通过星地同步观测分析了各波段反射率与叶绿素a浓度的相关性,依据DVI,RVI,NDVI,TBM,MCI这5种算法采用不同敏感波段的组合建立了21个模型,再将建模数据集分为全部数据集,高浓度和低浓度数据集,将3个数据集代入21个模型建立63个回归方程,并分析这些回归方程的建模和验证效果,提出针对星云湖不同叶绿素a浓度范围的湖区采用不同的模型进行叶绿素a浓度的遥感估算。本研究结果表明:1) 哨兵2卫星4个红边波段和近红外波段反射率均与叶绿素a浓度呈强烈正相关,叶绿素a浓度高于0.1 mg/L时,最佳模型是RVI1H,其rRMSE和NMAE分别为4.01%和3.95%。叶绿素a浓度低于0.1 mg/L时,最佳模型是NDVI1L,其rRMSE和NMAE分别为25.95%,19.32%,采用TBM1L模型估算比较适合计算全湖的平均值,其MNB为?0.57%。2) 建模的回归方程决定系数高,只能说明建模数据集的线性较好,但是模型是否适用,主要依据还是验证数据的误差。综上,本研究建立的星云湖叶绿素a遥感估算模型,对于星云湖的蓝藻水华遥感监测具有一定的参考价值。

武汉市主城区公园绿地绿容积率研究

针对公园绿地绿色空间评价采用二维指标的不足,该文以三维指标绿容积率(GPR)为切入点,以武汉市主城区公园绿地为对象,在遥感和地理信息系统的支持下,建立绿容积率和归一化植被指数(NDVI)的回归模型,反演得到武汉市主城区公园绿地绿容积率分布图。通过分析不同类型公园绿容积率分布特征和分级规律,定量反映公园功能和内部群落结构的差异,使绿容积率能成为今后公园绿地规划和建设的重要指标。

基于双波段作物长势分析仪的东北水稻长势检测

为了实现水稻精细栽培与变量施肥管理的目的,一款新型作物长势分析仪被开发并初步试验于东北水稻试验田。此分析仪利用光学原理检测作物冠层的反射光,并通过计算归一化植被指数(NDVI)及比值植被指数(RVI),对作物的营养状态进行评价。

基于双波段作物长势分析仪的东北水稻长势检测

据《农业工程学报》2011年8月31日报道，为了实现水稻精细栽培与变量施肥管理的目的，一款新型作物长势分析仪被开发并初步试验于东北水稻试验田。此分析仪利用光学原理检测作物冠层的反射光，并通过计算归一化植被指数（NDVI）及比值植被指数（RVI），对作物的营养状态进行评价，为下一步的精细施肥提供理论依据与数据支持。

麦蚜对小麦冠层光谱特性的影响研究

通过对田间不同程度麦蚜危害的小麦冠层反射光谱测量,研究了各波段反射光谱的变异特征,并对光谱反射曲线进行微分分析。结果表明:在麦蚜危害的初期,近红外反射率明显降低,即陡坡效应受到明显的削弱,随着麦蚜危害程度加重,小麦冠层的反射率在不同波段有明显下降,尤其在近红外区下降更为显著。利用光谱微分技术,对受麦蚜不同程度危害的小麦冠层反射率求一阶导数,得到红边斜率。结果表明,麦蚜危害后小麦冠层的红边斜率在近红外波段发生剧烈的变化,且随着危害程度的加重其值逐步下降。将归一化植被指数(NDVI)分别和百株蚜量进行相关及回归分析,并对监测蚜虫敏感波段的选择做了初步的探讨。

基于数字影像的北京松山森林物候模拟及其与气象因子的关系

【目的】探究温带落叶阔叶林物候变化及其与气象因子的关系,提高植被固碳模型和区域碳固定模拟的准确性。【方法】以北京松山落叶阔叶林为研究对象,基于2019年数字相机时间序列数据提取相对绿度指数(Gcc),采用Pearson相关分析方法分析其与气象因子的关系。将Gcc和SRS-NDVI测量仪测定的归一化植被指数(NDVI)数据与生态系统总初级生产力(GPP)通量数据拟合估算出的物候指标作对比,分析其差异性。【结果】观测期间,Gcc与空气温度(T_(a))、土壤温度(T_(s))、土壤体积含水量(SWC)、光合有效辐射(PAR)、饱和水气压差(VPD)和降雨量(P)的Pearson相关系数分别为0.88、0.86、0.29、0.45、0.65和0.25。Gcc、NDVI、GPP提取的生长季开始时间(SOS)分别为第129、116、110天,生长季结束时间(EOS)分别为第277、277、283天,生长季长度(LOS)分别为148、162、173天。【结论】植被生长主要受温度、光合有效辐射、饱和水气压差影响,降雨对相对绿度指数具有“触发”作用。与通量数据提取的物候指标对比,数字相机和SRS-NDVI测量仪能够敏感捕捉到植被生长动态变化,数字相机对生长末期的捕捉精度高于生长初期。

基于MODIS遥感数据的水体提取模型及算法改进

针对MODIS遥感数据采用多波段谱间关系模型提取水体容易与阴影混淆,产生提取不精确的问题,作者改进了模型中的水体提取算法,然后对鄱阳湖的MODIS遥感数据进行水体提取实验。最终,实验结果表明,改进后的水体提取算法能够有效地提升水体提取精度。该方法现已运用到一些采用MODIS数据进行水体监测与提取的实践作业中。

藏北高原高寒草甸植被生产力对冷暖季放牧的响应

为了更好地预测放牧活动对青藏高原高寒草地生态系统时空格局变化的影响。2008年7月在藏北3个高寒草地生态系统进行了围栏与自由放牧对比试验,包括1个高寒草原化草甸冷季放牧样地(ASMWP)、1个高寒草原化草甸暖季放牧样地(ASMSP)和1个高寒草甸暖季放牧样地(AMSP)。本研究通过观测2012~2015年生长季的归一化植被指数(NDVI)、绿波段归一化植被指数(GNDVI)、土壤调节植被指数(SAVI)、地上生物量(AGB)和总初级生产力(GPP),探讨了暖季放牧和冷季放牧对高寒草地植被生产的影响差异以及不同类型高寒草地植被生产对放牧的响应差异。结果表明:冷季放牧使ASMWP的2012~2015年平均的NDVI显著下降22.27%,SAVI显著下降23.50%,AGB显著下降17.28%,GPP显著下降22.48%,而暖季放牧对ASMSP和AMSP的2012~2015年平均的NDVI、SAVI、AGB和GPP则都没有显著影响。放牧使ASMSP样地2012~2015年平均的GNDVI下降15.33%(p=0.091),而对ASMWP和AMSP样地的2012~2015年平均GNDVI无显著影响。因此,放牧对植被指数、地上生物量和总初级生产力的影响与放牧季节和草地类型有关。

城市绿量的遥感估算与热岛效应的相关分析——以北京市五环区域为例

本研究以遥感分析北京城市绿地对地表温度的影响,研究包括绿地提取、绿量估算、地表温度反演,地表温度和绿量相关分析。并以高精度Rapid Eye遥感影像,提取了五环内的绿地面积(197.3km2,占城区总面积的29.6%),且估算绿量总值为2450.7km2。同时用2009年7月20日的Landsat5TM 6波段数据进行地表温度反演,低温区、中温区、次热岛和热岛区域所占的五环内城区面积的比例分别为12.3%,34.7%,40.4%和12.6%。绿量和地表温度呈负相关关系:y=-1278.7x+60650,城市绿地可以使城区平均温度降低2.6℃。