科研产出
TVDI与土壤湿度关系的多时间尺度分析与旱情监测
《水土保持研究 》 2024 北大核心 CSCD
摘要：[目的]揭示不同时间尺度的TVDI与土壤湿度的关联关系，确定反映土壤湿度的最佳时间尺度，以更为准确地获取土壤湿度信息，精准监测旱情。[方法]以3种不同时间尺度（8 d, 16 d和月）的遥感地表温度、反射率数据以及山东省31个地面观测站土壤湿度数据为基础，分析不同时间尺度下植被指数-温度空间特征，建立不同时段不同时间尺度温度植被干旱指数（TVDI）的热边和冷边函数，研究TVDI与土壤湿度之间的关联性随时间尺度的变化规律，确定了区域土壤墒情监测的时间尺度，反演了区域土壤湿度，监测旱情。[结果]植被指数-温度二维空间形状呈三角形，但随时间发生改变；二维空间中植被指数与最大、最小温度之间有明显的线性关系，湿边并非理想的与坐标轴平行的直线；TVDI与土壤湿度线性相关，但两者之间的紧密程度随时间尺度而变，8 d尺度的TVDI与土壤湿度有更高的相关系数；山东省冬小麦旱情与降水高度一致。[结论]短时间尺度的TVDI更适于区域的旱情监测，尽管人工灌溉有效降低了对降水的需求，但降水的多寡仍是影响区域小麦旱情的主要因素。
全文链接
请求原文
基于无人机多光谱的夏玉米穗位叶叶绿素含量反演研究
《江西农业学报 》 2022
摘要：以2021年8月初夏玉米抽雄期无人机飞行数据和地面实测夏玉米穗位叶叶绿素含量(SPAD值)数据为基础,构建了基于多光谱数据的归一化植被指数(NDVI)、冠层叶绿素含量指数(CCCI)、无蓝色波段增强型植被指数(EVI2)、比值植被指数(RVI)、土壤调整植被指数(SAVI)、绿色归一化植被指数(GNDVI)、土壤调节植被指数(OSAVI)、红边优化土壤调节植被指数(REOSAVI)、绿色比值植被指数(GRVI)、红边归一化植被指数(RENDVI),建立了各植被指数与SPAD值间的一元线性回归模型.结果表明:在对夏玉米抽雄期穗位叶SPAD值的模拟中,上述10种植被指数的反演能力有区别,反演能力最好的是由CCCI构建的模型;反演能力最差的是由REOSAVI构建的模型;基于EVI2和RVI构建的模型对于夏玉米叶片SPAD值均具备一定的反演能力.
全文链接
请求原文
不同施氮水平下棉花叶片最大羧化速率的高光谱估测
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：植物叶片最大羧化速率(Maximum Carboxylation Rate,V_(cmax))是表征植被光合能力的重要参数之一,研究叶片V_(cmax)对氮素的响应对预测植被光合作用和未来植被生产力具有重要意义。该研究以国欣棉9号为试验材料,设置4个施氮水平,测定棉花不同生育时期叶片生理参数和叶片反射光谱,探究V_(cmax)与生理参数及光谱指数的关系,建立叶片V_(cmax)最优反演模型。结果显示,棉花叶片V_(cmax)在苗期至蕾期不受施氮水平的影响,随着生育进程的推进,氮素逐渐成为影响叶片V_(cmax)高低的主要因素之一。此外,叶片V_(cmax)与含氮量的相关程度最高,远高于叶片V_(cmax)与叶绿素、比叶重的关系。对叶片V_(cmax)与光谱指数进行回归分析发现,由蓝光和红边波段组合的光谱指数能较好的预测叶片V_(cmax),其中表现最好的为归一化差值植被指数(Normalized Difference Vegetation Index,NDVI697,445)和比值植被指数(Ratio Vegetation Index,RVI445,694),决定系数(R~2)均大于0.75。最后,以生理参数和光谱指数为基础,采用一般线性回归和多元逐步回归构建棉花叶片V_(cmax)估算模型,结果表明,由RVI445,694、光化学植被指数(Photochemical Vegetation Index,PRI)、修正型归一化差值植被指数(Modified Normalized Difference Vegetation Index,m ND705)所构建的多元逐步回归模型精度最高(R~2=0.809, RMSE=16.93μmol/(m~2·s)),叶片含氮量和叶绿素所构建的多元逐步回归模型次之(R~2=0.801,RMSE=17.01μmol/(m~2·s)),高于其他单变量线性回归模型。研究表明,利用高光谱指数可以有效地估测棉花叶片最大羧化速率,结果可为叶片V_(cmax)准确反演和评估光合能力提供支撑。
全文链接
请求原文
墒情遥感监测中热惯量模型的修正
《灌溉排水学报 》 2018 北大核心 CSCD
摘要：墒情是反映作物旱情态势的直观指标,但随作物发育植株叶片对土壤背景形成愈加强烈的郁闭作用,以热惯量法为基础的墒情反演模型精度随之降低。经试验对比分析可知,在作物发育早期即低植被覆盖区,增强植被指数(EVI)较归一化植被指数(NDVI)对植被的识别更为敏感,能够更好地削弱土壤背景影响。【目的】提高热惯量模型在墒情遥感监测中的精度和适用性。【方法】通过在常规热惯量模型中引入EVI作为影响因子,实现对常规热惯量模型的修正。【结果】修正后的热惯量模型在EVI均值不大于0.18时,平均反演精度可达80%以上。【结论】在相同自然条件下,修正热惯量模型反演精度和适用范围均优于常规热惯量模型。
全文链接
请求原文
冠层绿色FPAR与植被指数关系及其对气溶胶的敏感性分析
《测绘与空间地理信息 》 2018
摘要：森林冠层光合组分确定的光合有效辐射吸收比例FPAR(绿色FPAR)真实地反映了森林吸收太阳辐射进行光合作用的能力,确定绿色FPAR与植被指数之间的关系对于快速估算森林的光合能力和碳循环研究具有重要意义。本研究以针叶林为研究对象,利用冠层辐射传输模型分离冠层光合组分和非光合组分吸收的太阳光合有效辐射,计算冠层绿色FPAR,分析冠层绿色FPAR与5种植被指数(NDVI、EVI、EVI2、ARVI、SAVI)的关系,同时结合大气辐射传输模型6S,分析绿色FPAR与植被指数关系对大气气溶胶的敏感性。结果表明,EVI与冠层绿色FPAR有最高的相关系数,其次为ARVI、EVI2,NDVI与绿色FPAR的相关性最低;冠层绿色FPAR与EVI的相关关系对大气气溶胶的敏感度最低,与SAVI的相关关系对气溶胶变动最为敏感。这意味着在基于遥感数据反演冠层绿色FPAR时,EVI是一个重要的参量。
关键词： 绿色FPAR 6S模型 SAIL模型 植被指数 针叶林
全文链接
请求原文
拔节期淹水玉米冠层光谱变化特征分析
《山东农业科学 》 2016
摘要：本研究采用小区模拟试验,以拔节期玉米为研究对象,利用连续灌水模拟洪涝灾害时的淹水条件,调查分析了不同淹水时间对玉米冠层光谱反射率和植被指数的影响。结果表明,随着淹水时间的延长,玉米冠层反射率在565~707 nm红光波段明显增大,在400~480 nm蓝光波段、513~564 nm绿光波段及近红外波段均逐渐降低,尤其在近红外波段,淹水时间与光谱反射率值呈极显著负相关关系;同时,构建比值植被指数、归一化植被指数和差值植被指数对淹水不同时间玉米的长势进行监测,结果显示,淹水初期三种植被指数均迅速升高,后期则呈现明显的水分胁迫状态,均不同程度降低,以差值植被指数表现最明显,可以作为评估玉米洪涝灾害程度的指标。
全文链接
请求原文
首页上一页1下一页尾页
