植被指數
- 蘭州植物園植被春季物候無人機監測
（VEG）等植被指數的時序變化特征，并進行一元三次多項式擬合，使用導數法提取各植被的發芽期、開花期、結果期等春季物候期，然后與人工觀測物候資料進行比較，明確不同植被指數下物候期的估算精度。結果表明：除草坪草的發芽期和結果期以及牡丹的發芽期，4種植被指數估算得到的物候期基本一致，但其和實際物候期均存在不同程度的誤差；發芽期估算誤差最大的是黃刺玫，平均提前27 d，最小的是香莢蒾，平均推遲8 d；開花期估算誤差較大的是草坪草和牡丹，平均誤差均在20 d以上，最
江蘇農業學報 2023年8期2024-01-30
- 無人機多光譜影像在稻縱卷葉螟危害監測中的應用
分析了15種植被指數與卷葉率（蟲害指標）之間的相關關系；分別采用普通最小二乘法、多項式擬合、多元逐步回歸法和偏最小二乘法建立了水稻分蘗期、拔節期和孕穗期的卷葉率反演模型；在此基礎上，篩選出最優模型并分析卷葉率與水稻生理生態參數之間的關聯。結果表明，（1）3個生育期的大部分植被指數與卷葉率存在極顯著的相關性，每個生育期卷葉率與均一化植被指數（NDVI）的相關性都是最高的。（2）分蘗期的卷葉率反演模型效果最好，孕穗期的模型較好，拔節期的模型效果稍差。（3）在分
江蘇農業學報 2023年7期2023-12-13
- 基于衛星遙感與同步地面實驗數據的冬小麥長勢遙感監測
性分析法篩選植被指數，構建LAI反演模型并進行精度評定。結果表明：DVI與LAI的相關性最高，其次為SAVI和EVI，NRI與LAI相關性最低?；贒VI建立的模型精度最高，模型R2為0.77。研究區冬小麥長勢總體良好，其中長勢一般的區域占44.37%，長勢良好的區域主要分布在扶風縣中南部，武功縣中部，長勢過旺地區主要分布在扶風縣西部地區，武功縣西北部地區。關鍵詞：冬小麥；葉面積指數；植被指數；遙感反演；長勢監測中圖分類號：TP391? ? 文獻標識碼：A
現代信息科技 2023年6期2023-06-25
- 氣候變化背景下阿拉善盟生態環境監測評估
植被覆蓋；植被指數；遙感；回歸分析中圖分類號：X171.1 文獻標識碼：B 文章編號：2095–3305（2023）02–0105-03氣候變化對生態環境的影響研究是一個重要的世紀課題，也是當前的科學熱點之一、國際關注的焦點，更是當今人類生存和發展面臨的嚴峻挑戰，事關國民經濟、能源、生態、糧食安全和經濟社會發展全局，氣候變化已經或即將對全球環境造成嚴重影響[1]。阿拉善盟生態環境脆弱，沙漠、戈壁、荒漠草原各占1/3，適宜人類生產生活的面積僅占6%，干旱缺
農業災害研究 2023年2期2023-06-07
- 基于歸一化植被指數的農田邊界識別方法
種基于歸一化植被指數的農田識別方法。由于農田圖像地物信息復雜，普通RGB圖像處理結果受環境影響較大，模型魯棒性差，為解決這一問題，通過測繪無人機獲取農田多光譜數據，基于不同區域歸一化植被指數（NDVI）的差異，利用大津閾值分割法實現農田的有效分割。針對雜草和樹木等過分割問題，通過計算聯通區域的大小與長寬比的方法，在保證農田識別精度的情況下，減少其他因素干擾，最后通過Canny邊緣檢測算法提取農田邊界。通過驗證，本研究方法對農田的識別準確率達95%以上，可以
江蘇農業科學 2022年11期2022-06-24
- 基于改進語義分割模型的無人機多光譜圖像雜草分割
nm和歸一化植被指數NDVI的訓練數據集進行網絡訓練。發現PANet的訓練精度為97.38%，測試精度為93.41%;采用3通道（近紅外790 nm+紅色690 nm+NDVI）訓練的模型F1值最高為0.872。結果表明，該方法可以實現無人機多光譜圖像雜草的有效分割，可為農田雜草精確檢測和農作物生長狀況監測提供參考和借鑒。關鍵詞：雜草;改進語義分割模型;無人機;多光譜;圖像分割;植被指數中圖分類號：TP391.41 文獻標志碼： A文章編號：1002-13
江蘇農業科學 2022年12期2022-06-24
- 基于GF-1時序植被指數的水稻產量遙感估算
據，分析建立植被指數與產量之間的相關性，篩選各生育期的最佳植被指數，構建估產回歸模型。結果表明：（1）不同生育期的最佳植被指數與估產模型不同：拔節孕穗期最佳指數MSAVI，模型為乘冪模型（R2=0.691）;抽穗揚花期為DVI，乘冪模型（R2=0.743）;灌漿成熟期為WDRVI，多項式模型（R2=0.592）。（2）用多元線性構建的水稻全生育期模型R2=0.708。關鍵詞：時序;植被指數;水稻;估產模型中圖分類號 S511 文獻標識碼 A 文章編
安徽農學通報 2022年5期2022-03-29
- 基于無人機圖像的草地植被蓋度估算方法比較
構建了一系列植被指數，并成為遙感監測生態系統生產力[12]、生物量[13]、植被蓋度[14]、植被識別[7]、病理識別[15]等研究的重要技術手段。目前常用的植被指數多以可見光和近紅外組合的形式構建，且缺乏對植被環境的考慮，對于西北干旱荒漠地區的植被調查研究相對較少[16]。因此，迫切需要構建一種具有普遍適用性且適用于荒漠地區無人機可見光波段的植被指數。為此，本研究以西北地區草地植被無人機影像作為研究對象，在分析荒漠草地無人機影像的地物可見光反射特點的基礎
草業科學 2022年3期2022-03-26
- 波段反射率和植被指數結合的作物生長季農田土壤水分估測
波段反射率和植被指數多個遙感光譜特征指標與SMCF之間的相關性，構建基于BP神經網絡的SMCF遙感估測模型，并與多元線性回歸模型估測精度進行比較。結果表明，Rnir、Rred、差值植被指數（DVI）和比值植被指數（RVI）與SMCF間呈正相關關系，歸一化差值植被指數（NDVI）和SMCF間呈負相關關系，各指標與SMCF的相關性從高到低依次為Rnir> DVI>Rred> NDVI>RVI，其中Rnir與SMCF相關性最高，相關系數為0.765。利用BP神經
江蘇農業學報 2022年1期2022-03-16
- 基于MODIS-NDVI的地表植被時空變化特征及其與環境因子的關系
據。關鍵詞 植被指數;MODIS-NDVI;時空變化特征;環境因子;相關關系中圖分類號 Q 948.11文獻標識碼 A文章編號 0517-6611（2022）04-0057-07doi：10.3969/j.issn.0517-6611.2022.04.017開放科學（資源服務）標識碼（OSID）：Temporal and Spatial Variation Characteristics of Surface Vegetation and Its Rela
安徽農業科學 2022年4期2022-03-11
- 基于無人機多光譜與地面高光譜遙感的土壤主要養分含量估測
譜波段變換、植被指數合成、構建高光譜土壤指數，與山原紅壤主要養分含量進行了相關分析。通過分析得出，多光譜擬合模型效果整體不佳，僅鉀元素與合成光譜存在相關性，擬合模型R2大于0.5，有良好的擬合意義。高光譜指數相關性及擬合模型效果較多光譜都有所提升。其中，支持向量機擬合模型效果最佳，R2均在0.75以上，適合用于土壤養分含量估測。 關鍵詞：土壤養分;多光譜;植被指數;高光譜;支持向量機 中圖分類號：P237;S127? 文獻標志碼： A 文章編號：1002-
江蘇農業科學 2022年2期2022-02-15
- 基于無人機高光譜的水稻葉片氮含量估測方法
，構建10種植被指數組合作為BP神經網絡模型的輸入，反演粳稻葉片氮含量。結果表明：該估算模型對水稻葉片氮含量估測效果較好，訓練集的決定系數R2和均方根誤差RMSE分別為0.678 1和0.533 4，驗證集的R2和RMSE分別為0.669 0和0.530 1。研究結果可為東北水稻無損實時監測和施肥管理提供依據。關鍵詞：水稻;氮含量;高光譜數據;植被指數;BP神經網絡;估算模型中圖分類號：S511? ? 文獻標識碼：A? ? 文章編號：1674-1161（2
農業科技與裝備 2021年6期2021-12-17
- 基于熱暗點植被指數的馬尾松林葉面積指數反演分析
像計算得到的植被指數與實測LAI的經驗關系是反演LAI的常用方法，傳統植被指數易受諸多環境因素的影響[9]，使利用植被指數反演LAI存在誤差，植被指數的優化成為近來LAI反演研究的一個重要方向。有研究表明地表植被二向性反射特征中的熱暗點信息可以豐富植被冠層結構的光譜信息，熱暗點信息與植被指數的結合可以優化植被指數[10]，進一步提升LAI反演精度。長汀縣河田鎮地處南方典型水土流失區，水土流失嚴重，山上的馬尾松林主要以枝葉稀疏、矮小的“老頭松”為主，林下大面
西北林學院學報 2021年6期2021-12-07
- 無人機復墾區植被覆蓋度提取方法優選
礦業復墾區域植被指數覆蓋度的快速提取方法，以四川古藺某硫磺復墾區為研究對象，通過ZC-6型無人機獲取高分辨率遙感影像，采用多種植被指數計算方法作為分類器的選擇，使用直方圖峰谷法、基本全局閾值法及其融合方法確定圖像最佳分割閾值，從而獲取研究區植被覆蓋度結果。結果表明：不同植被指數分類后的結果有所差異，EXG和VDVI植被指數分類后影像界定較為清晰，而NGBDI指數分類最為模糊;單一直方圖峰谷法和基本全局閾值法所得分割結果不理想，而將二者融合后的閾值確定法能結
安徽理工大學學報·自然科學版 2021年3期2021-09-08
- 冬小麥SPAD值無人機可見光和多光譜植被指數結合估算
，計算多光譜植被指數，進行葉面積指數(Leaf area index，LAI)和SPAD值的估算，具有較好的估算結果[10-11]?；跓o人機可見光影像提取紅、綠和藍影像通道的灰度，計算可見光植被指數，也具有較好的估算結果[12-15]。隨著計算機計算能力的增強及無人機遙感技術在作物長勢監測應用研究的深入，將不同類型的數據相結合或融合、構建作物長勢參數的估測模型，能夠進一步提高作物長勢參數估測模型的精度和穩定性，因此成為目前的研究熱點[13，15-18]。
農業機械學報 2021年8期2021-08-27
- 基于土壤光譜特性的土壤類型區分研究
譜;高光譜;植被指數;主成分分析;土壤類型區分中圖分類號： S127;S151.9 ?文獻標志碼： A ?文章編號：1002-1302（2021）10-0207-06土壤作為農業生產的基礎，是一種至關重要的自然資源，快速準確地對土壤進行區分，可以加快土地利用規劃等工作的進度。隨著光譜技術的快速發展，眾多學者嘗試利用光譜技術對土壤進行類別劃分[1]。如Stoner等將美國和巴西的485個土壤樣本的反射光譜曲線分為5種類型：有機質控制型、最小改變型、鐵影響型、
江蘇農業科學 2021年10期2021-07-01
- Gaofen1-WFV與Sentinel2-MSI數據在定量計算中的對比與評價
功，選取2種植被指數，研究國產Gaofen1-WFV數據計算的植被指數與歐空局哨兵2號（Sentinel2-MSI）數據計算的植被指數間的一致性與差異性，并建立2種數據源植被指數間的關系。結果表明，無論是歸一化植被指數還是土壤調節植被指數，不同數據源計算結果的相關系數均為0.9，具有較好的一致性。研究結果可以推動國產衛星數據在精準農業、農業災害等定量評價中的進一步應用，也為Gaofen1-WFV和Sentinel2-MSI數據的交互使用提供依據，以彌補單一
安徽農業科學 2021年10期2021-06-15
- 遙感植被指數與植物多樣性的相關性及空間分布特征研究——以?？谑兄鞒菂^為例
測數據分析了植被指數與植物多樣性指數之間的相關性，根據相關性分析結果構建植物多樣性遙感監測數學模型，并篩選出最優模型用于監測研究區植物多樣性的空間分布狀況。結果表明：Shannon-Wiener多樣性指數、Simpson多樣性指數和Pielou均勻度指數與MSAVI植被指數相關系數最高，呈顯著相關性（P關鍵詞： 生物多樣性， 植被指數， 植被覆蓋率， 空間自相關， 遙感監測中圖分類號：Q948.1文獻標識碼：A文章編號：1000-3142（2021）03-
廣西植物 2021年3期2021-06-10
- 基于無人機影像的植被覆蓋度估算研究
裁剪，分析其植被指數，估算研究區域植被覆蓋度，對林業調查、農業監測等研究提供一定的參考。關鍵詞：無人機;DOM;閾值掩膜;植被指數;植被覆蓋度中圖分類號：P237 文獻標識碼：AAbstract：With the development of UAV technology，UAV has been widely used in forestry，agriculture，emergency monitoring and other aspects.In th
科技風 2021年10期2021-04-18
- 基于無人機影像VDVI指數的植被覆蓋度估算
B波段差異性植被指數（VDVI）和HSV變換植被指數（HSVVI），并與同區域GF-1衛星NDVI指數進行相關性分析，建立無人機研究區的植被覆蓋度估算模型，快速計算出植被覆蓋度結果。研究表明，VDVI指數與NDVI指數具有更高的相關性，非常適用于像元二分模型的植被覆蓋度估算模型建立，通過地面調查的植被覆蓋度實測值與模型估算值精度驗證，決定系數 R2為0.855 6，植被覆蓋度估算精度達到81.35%，在研究區域得到較為理想的估算結果。由此也證明采用無人機影
森林工程 2021年2期2021-04-14
- 基于無人機圖像以及不同機器學習和深度學習模型的小麥倒伏率檢測
譜數據，結合植被指數、歸一化均值距離和光譜微分差信息熵等方法，監測冬小麥是否遭受澇漬脅迫并判別其澇漬脅迫程度。試驗結果顯示，簡單比值色素指數SRPI是識別澇漬脅迫冬小麥的最優植被指數。紅光吸收谷（RW：640～680nm）是識別冬小麥澇漬脅迫程度的最優波段，在RW波段內，抽穗、開花和灌漿期的光譜微分差信息熵可判別冬小麥澇漬脅迫程度，脅迫程度越大，光譜微分差信息熵越大。本研究為澇漬脅迫監測提供了一種新方法，在澇漬脅迫精確防控中具有較好的應用前景。關鍵詞：高光
智慧農業（中英文） 2021年2期2021-01-17
- 黃土高原地區植被指數對干旱變化的響應
黃土高原地區植被指數對干旱變化的響應，得出響應程度隨植被類型的變化與隨海拔的變化以及兩者之間正反饋關系的結論，為治理黃土高原提供了更加完善的治理手段：擴大植被面積，擴大森林比例，減少耕地面積，合理分配各種類型植物的覆蓋率等。關鍵詞：黃土高原地區;植被指數;干旱變化;響應1? ? 黃土高原地區植被指數1.1? 植被指數含義植被指數是指在遙感應用領域，利用遙感技術來定性評價和定量評價植物覆蓋及植物生長活力的指數。植物有其特定的生長環境和光譜特征，將衛星可見光和
科學大眾 2020年7期2020-12-29
- 秦嶺地區植被指數動態變化研究
～2019年植被指數的動態變化規律。結果表明：2000～2019年秦嶺地區年NDVI在0.799～0.863之間，整體呈緩慢增長趨勢，增長速度為0.033/（10a）;植被指數退化的區域占研究區的4.111%，分布在各城市周邊地區，主要受城鎮化過程的影響;改善的區域占研究區的36.224%，廣泛分布于秦嶺地區，主要受自然因素和國家政策的影響。關鍵詞：植被指數;最大值合成法;趨勢線分析法;秦嶺地區中圖分類號：P423文獻標識碼：A 文章編號：1674-994
綠色科技 2020年13期2020-12-15
- 基于無人機高光譜和數碼影像數據的冬小麥生物量反演
碼影像指數和植被指數，分別使用多元線性回歸分析和逐步回歸分析法建立生物量反演估算模型，最后將最優模型估算結果進行可視化空間分析。結果表明，與冬小麥生物量相關性高的數碼影像指數有VARI、MGRVI、b等，植被指數有NDVI、SR、LCI、OSAVI等。建立的冬小麥生物量反演模型估算效果較好，其中精度最高的模型為高光譜數據多元線性回歸模型，其驗證模型均方根誤差為0.904 1 t/hm2?？梢暬幚斫Y果能直觀地顯示試驗區冬小麥生物量分布情況，為生長監測及種植
現代農業科技 2020年20期2020-12-14
- 基于無人機高光譜遙感數據的冬小麥生物量估算
明星摘要：以植被指數和紅邊參數為模型因子，利用多元線性回歸（MLR），構建冬小麥不同生育期的生物量估算模型，從而有效和更好地監測冬小麥的長勢情況，為精準農業中作物的快速監測提供技術手段。首先分析植被指數（VI）和紅邊參數（REPS）與冬小麥生物量的相關性，然后運用MLR分別建立模型MLR+VI、MLR+REPS和MLR+VI+REPS，最后將優選的冬小麥生物量估算模型應用于無人機高光譜影像中，驗證模型的可行性。結果表明，利用單個植被指數或紅邊參數構建的估算
江蘇農業學報 2020年5期2020-12-09
- 青土湖綠洲植被指數適用性及優選研究
復情況，開展植被指數適用性及優選研究。[方法]基于2013—2019年植被生長旺季的Landsat8-OLI遙感數據，分析歸一化植被指數、比值植被指數、大氣阻抗植被指數等8種常用植被指數;采用趨勢分析法研究各植被指數的變化特征，通過評價植被指數時空變化特征與綠洲實際恢復特征的一致性研究各植被指數的適用性;基于各植被指數的變化率及趨勢顯著性，評價不同植被指數檢測青土湖綠洲恢復的敏感性。[結果]增強植被指數、歸一化植被指數、土壤調節指數和修改型土壤調節指數對青
安徽農業科學 2020年19期2020-11-02
- 1980-2017年北京地區沙塵天氣的變化特征及其可能成因
因子，沙源地植被指數增加則沙塵天氣減少;沙源地冬季積雪覆蓋面積增加對北京地區沙塵天氣減少具有一定影響。風速和氣溫是影響北京地區沙塵天氣的重要氣候因子，起風沙日數減少、氣溫上升則沙塵天氣減少;降水量增加對北京地區沙塵天氣減少具有較顯著影響。Abstract： Based on the data of sand and dust weather， wind speed， temperature and precipitation in Beijing from
價值工程 2020年24期2020-08-31
- 基于連續小波變換的冬小麥葉片最大凈光合速率遙感估算
度遠高于基于植被指數建立的模型。通過對比分析幾種植被指數與高光譜數據對最大凈光合速率的估算結果發現，植被指數對小麥葉片Amax的解釋能力較低，無法對光合能力作出正確且精確的估算?；谶B續小波變換方法對冬小麥葉片Amax的估算精度較高，可以作為預估冬小麥生長狀況、產量的依據。關鍵詞：連續小波變換;最大凈光合速率;植被指數;高光譜中圖分類號：S512文獻標識碼：A文章編號：1000-4440（2020）03-0544-09Remote sensing esti
江蘇農業學報 2020年3期2020-07-23
- 基于無人機多光譜影像的冬小麥氮肥監測
究。[結果]植被指數在小麥越冬期的不同長勢小麥有明顯差別。在其他外部條件一致的情況下，土壤N水平的變化對冬小麥越冬期長勢影響較明顯。[結論]無人機多光譜影像對冬小麥有較好的氮診斷潛力，可利用估測結果指導精準氮肥管理。關鍵詞 無人機;多光譜影像;植被指數;冬小麥;氮水平中圖分類號 S126 ?文獻標識碼 A ?文章編號 0517-6611（2020）05-0239-03doi：10.3969/j.issn.0517-6611.2020.05.067開放科學（
安徽農業科學 2020年5期2020-04-07
- 基于高光譜遙感數據的水稻葉溫反演
光譜、歸一化植被指數（NDVI）、比值植被指數（DVI）、再歸一化差值植被指數（RDVI）和轉換型土壤調整指數（TSAVI）與葉溫的關系?！窘Y果】葉溫的變化直接影響水稻冠層光譜的反射率，影響水稻紅邊特征。一階微分光譜與葉溫存在極顯著相關性（P關鍵詞： 水稻;葉溫;高光譜遙感;植被指數;模型反演中圖分類號： S127? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼： A 文章編號：2095-1191（2020）01-0230-07Abstrac
南方農業學報 2020年1期2020-03-20
- 基于Landsat8 OLI的不同年際尺度玉米估產研究
米不同生育期植被指數，結合2016年、2017年、2016—2017年實地調查的玉米地塊的產量信息作回歸分析，建立基于縣域的產量模型，討論估產的最佳生育期，比較不同植被指數、不同回歸模型的估產精度，最后再根據2018年的產量信息對各模型進行精度驗證，探究不同模型年際尺度的適用性。結果表明，乳熟期的歸一化植被指數（NDVI）與產量之間的相關性最高，相關系數為0.751，達到極顯著水平（P關鍵詞：遙感;年際尺度;生育期;植被指數;估產模型中圖分類號： TP79
江蘇農業科學 2020年23期2020-02-22
- 基于神經網絡的開化縣森林碳儲量空間估計
像，將歸一化植被指數NDVI、IND53和歸一化綠色植被指數GNDVI融入BP神經網絡，對開化縣境內森林碳儲量進行預測。結果顯示：開化縣平均碳密度為37.616Mg/hm2，碳密度最大值為144.691Mg/hm2，碳密度最小值為0.000Mg/hm2，標準差為26.685Mg/hm2。森林碳密度較高區域主要集中在西北和東部，整體呈現出沿東北方向的兩邊密集、中間稀疏的狀態。Abstract： This study takes Kaihua County i
價值工程 2020年3期2020-02-02
- 氣候變化對固原市植被覆蓋度影響的分析
—2016年植被指數年均增長約1.18%，2013年和2018年植被指數達到近年來最高值。通過對氣候及植被指數等數據的分析表明，固原市區域氣候變化的趨勢對林草生長、植被恢復等十分有利，生態環境進入良性循環期。關鍵詞? ? 氣候;降水量;植被指數;寧夏固原中圖分類號? ? P462.3? ? ? ? 文獻標識碼? ? A文章編號? ?1007-5739（2019）14-0189-02? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
現代農業科技 2019年14期2019-10-16
- 基于遙感數據的凈月潭公園植被冠層葉片含水率反演
RI3等6種植被指數，結合實測凈月潭公園植被冠層含水率，通過一元線性回歸、指數回歸和二元線性回歸等的方法建立經驗模型，得到凈月潭公園區域植被冠層含水率反演結果。實驗結果為：二元線性回歸反演模型決定系數（R2）均大于0.8，利用NDVI-NDMI與植被冠層含水率建立的反演模型決定系數（R2）為0.878，SARI3與植被冠層含水率建立的反演模型決定系數（R2）均大于0.6。實驗結果表明：NDVI-NDMI的二元線性回歸模型能較好的運用于植被冠層含水率的反演中
森林工程 2019年5期2019-10-09
- 基于高分辨率無人機影像的噴藥除草效果評估
、可見光波段植被指數（EXG、EXR、VDVI等），比較各個特征及指數在噴藥和對照區的差異，篩選出最優特征或指數進行閾值分割;在此基礎上，計算噴藥前后雜草像元數評估無人機噴藥的除草效果。試驗結果表明，利用歸一化過紅、過綠植被指數之差（EXG-EXR）可有效檢測噴藥除草效果，該方法能夠為提高農田噴藥效果提供技術支持。關鍵詞：無人機;可見光波段;顏色特征;植被指數;噴藥試驗無人機（unmanned aerial vehicle，簡稱UAV）可以進行播種、施肥、
江蘇農業科學 2019年6期2019-09-25
- 基于冠層光譜紅邊參數和植被指數的冬小麥水分脅迫監測
譜特性，并對植被指數、紅邊參數與冠層葉片含水率和土壤含水率進行相關性分析，構建各生育期葉片含水率和土壤含水率的最佳監測模型，實現對冠層葉片含水率以及土壤含水率的監測評估。結果顯示，在整個生育期，冬小麥的冠層光譜反射率在可見光范圍呈現綠峰紅谷，尤其在旺盛生長時期，隨著水分脅迫程度加深，綠峰紅谷逐漸變得不明顯，紅谷抬升幅度增大;相反，在近紅外波段范圍內水分脅迫主要使得反射率表現為明顯下降;冬小麥紅邊參數隨生長進程呈藍移現象，灌漿期受脅迫程度越重的紅邊參數越低;
江蘇農業科學 2019年10期2019-07-08
- 基于植被指數選擇算法和決策樹的生態系統識別
意義[5]。植被指數是一種數據增強的方法，有助于增強遙感影像的解譯能力，廣泛應用于土地利用類型識別[6]、植被覆蓋度評價[7]、作物類型識別[8]和作物長勢監測與預報[9-10]等方面。植被指數能夠反映不同生態系統類型的光譜特征，基于植被指數的土地利用類型識別研究一直是國內外學者研究的熱點[11]。然而，受到大氣、遙感器定標、遙感器觀測條件、太陽入射角度、土壤濕度、顏色和亮度等因素的影響和制約[12]，導致植被指數在不同環境下的效果不同，至今尚無研究明確各
農業機械學報 2019年6期2019-06-27
- 定量遙感在地理空間信息分析中的方法研究
多光譜影像;植被指數;統計分析;回歸分析中圖分類號：TP79 文獻標識碼：A 文章編號：1671-2064（2019）03-0255-021 研究區概況及技術方案1.1 研究區概況及數據準備此次試驗，以阿壩地區的草原濕地為研究區域。該區域是典型的西部濕地分布區，具有地形變化較大，植被群落結構單一，生態環境脆弱，環境監測要求較高等特點。實驗數據使用當地約20個點的實測數據，以及國情監測云平臺獲取的TM影像數據，利用光譜信息進行植被指數計算，選取適合當地生物量
中國科技縱橫 2019年3期2019-03-25
- 冬小麥生育前期LAI高光譜反演研究
葉面積指數與植被指數的統計模型，能有效評價植被生長狀況［13-16］。LAI高光譜遙感反演在冬小麥、玉米、馬鈴薯、大麥、甜菜以及煙葉等作物上都有成功應用［17-20］。冬小麥LAI研究主要集中在冬小麥生物量高且植被覆蓋度大的生長中后期（包括旗葉期、開花期），而對生育前期（如越冬期、拔節期等）冬小麥LAI的研究則較少。開展冬小麥生育前期LAI高光譜反演，對冬小麥面積監測、越冬期分類管理等具有重要意義，如張向前等通過監測小麥生育前期不同田塊的LAI差異了解整個
中國農業信息 2019年6期2019-02-09
- AMSR_2微波植被指數在黃河流域的適用性對比與分析
重要的角色，植被指數作為植被生長、植被分布、生物量等信息提取的重要手段，已廣泛應用于許多領域[1-3]。因此，地球植被及其變化一直被各國科學家和政府所關注[4]。根據植被的光譜特性，將衛星可見光和近紅外波段進行組合，形成了各種光學植被指數。目前較為常用的植被指數有歸一化植被指數NDVI、增強植被指數EVI等。光學遙感容易受到環境條件和大氣狀況等多種因素的影響，在時空分布上具有一定的局限性。相較于光學遙感，微波遙感不受太陽照射、大氣、云層、降水等因素的限制，
水土保持研究 2018年5期2018-10-12
- 寧德市蕉城區植被與熱島效應關系
城區的熱場和植被指數，并對城區熱場變化以及其與植被之間的關系進行了分析。結果表明：1999-2015年，平均熱場溫度升高0.43℃，城市熱場在東北部區域進一步擴大，在西南區域有所收縮：2015年與1999年相比，綠島面積增加9.44%，弱熱島、中等熱島、強熱島和極強熱島分別減少6.08%、2.66%、0.64%和0.06%，綠島面積在西南部區域擴展，弱熱島、中等熱島、強熱島和極強熱島在霍童鎮、扶搖鄉、八都鎮、七都鎮、漳灣鎮、涵道鄉、城南鎮區域的分布更加集中
中國城市林業 2018年2期2018-09-10
- 河南省冬小麥產量遙感監測精度比較研究
4]。歸一化植被指數是作物估產中應用最為廣泛的一種植被指數，不僅可以反映植被的各種生育特征，還能消除因太陽高度角、地形、陰影和大氣等其他條件對衛星探測光譜信息的影響，其變化與作物生長狀況、發育時期關系非常緊密[5-10]。其中以時間序列MODIS-NDVI作為數據源的農作物估產研究較為廣泛，MODIS數據雖然空間分辨率較低，但其具有高時間分辨率、高光譜分辨率以及覆蓋面積廣且易于獲取等特點，在農作物的產量監測中備受青睞[11-12]。實時植被指數僅能反映當時
中國農業信息 2018年2期2018-07-28
- 基于高分二號—NDVI的大豆遙感估產的時相選擇
龍摘要：根據植被指數的時間變化規律以及不同時期的植被指數與產量之間的相關性，確立適用于東北地區的大豆遙感估產的最佳時期。7月下旬至8月中旬獲取的作物NDVI與作物產量之間的相關性最強，并且不同時期的NDVI之間的相關性非常弱，在利用NDVI預測大豆單產時要采用7月下旬和8月中旬兩個時期的NDVI。NDVI與大豆單產之間存在線性正相關關系，NDVI與大豆單產的相關性并不是很高，表明NDVI并不是惟一與大豆單產有關的變量。關鍵詞：大豆；植被指數；NDVI；遙感
湖北農業科學 2018年6期2018-05-09
- 青藏高原地區草地綠度對物候變化的響應
要 采用遙感植被指數數據評估植被綠度最大值、生長季開始時間、生長季結束時間三者與植被綠度年度變率之間的定量關系。結果表明：青藏高原植被指數的變化趨勢呈東部地區增加、西部地區減少，且越往東植被指數增加幅度越大，越往西減少幅度越大，整體呈上升趨勢;青藏高原植被指數最大值整體呈上升態勢，但在東南地區散布著許多植被綠度最大值呈增加趨勢的小區域;青藏高原地區植被生長季開始時間整體呈推后態勢，變化趨勢呈東南地區提前，西部、北部和西北地區推遲的空間格局;青藏高原地區植被
南方農業·下旬 2018年12期2018-03-28
- 渭源縣近10年生態環境質量監測與評價
然生態環境;植被指數;土壤指數;渭源縣中圖分類號 X826 文獻標識碼 A文章編號 1007-7731（2018）24-0100-31 研究區概況渭源縣地處黃土丘陵溝壑區與西秦嶺山脈的交匯地帶，是渭河的發源地，素有“中國馬鈴薯良種之鄉、中國黨參之鄉”之稱。位于甘肅省中部，定西市西南部，縣域面積2065km2，總人口34.5萬人，其中農業人口32.2萬人，海拔在1930～3941m，年平均降水量507mm，平均氣溫6.1℃，無霜期157d。地形破碎、溝深坡陡
安徽農學通報 2018年24期2018-02-24
- 基于高光譜數據的作物凈初級生產力估算方法
初級生產力；植被指數；光能利用率模型中圖分類號： S127 文獻標志碼： A文章編號：1002-1302（2017）22-0260-0420世紀初丹麥植物學家Jensen提出了凈初級生產力（NPP）的概念，并給出了計算模式。凈初級生產力是總初級生產力除去植物呼吸所消耗的有機碳量。凈初級生產力是研究生態系統中物質和能量交換的重要參數，在全球陸地碳循環研究中有著重要的作用。經過近80年的研究，NPP估算工作已經獲得了較大的發展，出現了很多估算模型。這些模型按照
江蘇農業科學 2017年22期2018-01-06
- 基于高分二號遙感影像的東北地區村莊建設用地提取
的方法；基于植被指數并輔以歸一化藍色屋頂指數的間接提取法，適合村莊建設用地的快速估算。關鍵詞：村莊建設用地；遙感影像；監督分類；植被指數；歸一化藍屋頂指數中圖分類號：TP751.1 文獻標識碼：A文章編號：0439-8114（2018）20-0132-06DOI：10.14088/j.cnki.issn0439-8114.2018.20.031 開放科學（資源服務）標識碼（OSID）：Abstract： The rural planning and lan
湖北農業科學 2018年20期2018-01-04
- 基于多種植被指數時間序列與機器學習的作物遙感分類研究
展了基于多種植被指數（vegetation index，VI）時間序列和機器學習（machine learning，ML）算法的作物遙感分類研究。從Landsat-8 OLI與EO-1 ALI影像中提取了內蒙古五原縣的時間序列數據。2顆衛星的參數類似，且它們聯合提供了更多無云覆蓋的數據。7種常用的VI從時間序列遙感數據中提取出來，以用作ML算法的輸入。對比分析了SVM、RF、DT 3種ML算法對玉米、向日葵和小麥的區分效果。共選取了2 584個樣本，其中1
江蘇農業科學 2017年16期2017-10-27
- 馬尾松毛蟲危害程度的高光譜監測方法
冠層光譜的各植被指數發生不同程度的變化，而其他冠層物理參數不能反應出松毛蟲的危害程度。②從馬尾松林冠層提取的高光譜遙感植被指數對蟲害的不同程度的敏感性不同。增強型植被指數（EVI）、綠波段葉綠素指數（Red/Green）和歸一化指標指數（NDVI）在蟲害發生的中期與晚期有顯著變化，但具有飽和現象，不能用來對馬尾松林分受松毛蟲蟲害時進行早期監測；而紅邊波段葉綠素指數（CIrededge）、比值植被指數（RVI550）、比值植被指數（RVI700）、綠波段歸一
湖北林業科技 2017年3期2017-08-25
- 基于NDVI指數的草地資源提取研究
.關鍵詞： 植被指數；光譜；草地資源Key words： vegetation index；spectral；grassland resources中圖分類號：TP79 文獻標識碼：A 文章編號：1006-4311（2017）22-0232-030 引言草地資源作為一種可再生自然資源，是上世紀80年代作為草產業提出來的，它不僅包括草原資源，也包括草資源以及其他植物資源，主要用于畜牧業發展，是自然、社會和經濟因素構成的共同體。傳統的草地資源調查是以野外路線調
價值工程 2017年22期2017-07-15
- 基于植被指數和最優物候期的玉米產量預測研究
測；物候期；植被指數中圖分類號：S513 文獻標識碼：A DOI：10.11974/nyyjs.20170532006吉林省作為糧食大省，是國家重要的商品糧生產基地，擁有完備的糧食生產體系，在國家糧食供給中占有舉足輕重的地位。吉林玉米帶作為世界三大黃金玉米帶之一，戰略意義重大，多年來為平衡國家糧食供求、保障國家糧食安全、穩定糧食市場方面做出過巨大貢獻。因此，保護玉米的種植面積和穩定生產是確保糧食安全的戰略之一，準確地預測玉米產量對于政府等有關部門制定科學合
農業與技術 2017年9期2017-05-28
- 內蒙古自治區植被指數時空變遷分析
治區17年的植被指數數據。結合概率論、統計學對數據進行了分析并預測了未來的變化趨勢，為“十三五”生態規劃提供了科學依據。關鍵詞：內蒙古；植被指數；分析中圖分類號：X835 文獻標識碼：A 文章編號：2095-672X（2017）02-0100-08DOI：10.16647/j.cnki.cn15-1369/X.2017.02.019內蒙古自治區位于祖國的正北方，地處歐亞大陸內部，面積100余萬km2，占全國總面積的12.3%。全區地勢較高，地域廣袤，距離海
環境與發展 2017年2期2017-05-13
- 高分一號提取植被信息方法對比
，選取歸一化植被指數（NDVI）、增強型植被指數（EVI）和土壤調整植被指數（SAVI）3種植被指數，采用不同時期的數據對四川省茂縣地區進行植被信息提取，計算分析不同植被指數提取植被信息的差異性。結果表明：高分一號數據提取的NDVI植被效果最好，其中2013年分類總精度為94.55%，Kappa系數為0.88；2015年分類總精度為90.47%，Kappa系數為0.85。根據統計指標分析表明：在高原山區地形環境下，利用植被指數提取植被信息，高分一號衛星采用
農業與技術 2017年5期2017-04-11
- 基于遙感影像的不同植被指數比較研究
源，利用比值植被指數（RVI）、歸一化植被指數（NDVI）、土壤調節植被指數（SAVI）、修正的土壤調節植被指數（MSAVI）4種植被指數和植被信號與土壤噪音之比（S/N）對研究區不同區域的植被進行比較研究，結果表明歸一化植被指數與土壤調節植被指數適合該地區的實際情況。關鍵詞：遙感影像；植被指數；信噪比；比較研究引言現如今，遙感探測已成為植被研究的一個高效方法，植被指數是遙感領域中用來表征地表植被覆蓋，生長狀況的一個簡單有效的度量參數。植被指數的定量測量可
科技創新與應用 2017年6期2017-03-23
- 淺談植被指數的分類與應用
技術的發展，植被指數（vegetation index，VI）作為地表植被覆蓋和植被生長狀況的度量參數，被廣泛應用于環境、生態、農業等領域?，F有的科學文獻中發布的植被指數種類超過了150種，這些缺乏科學分類的植被指數，使研究者在具體應用時不能夠做出快速準確的選擇。因此本文在分析了影響植被指數的諸多因素的基礎上，對多種典型的植被指數進行概括分類，進而討論各自的優勢和應用局限性，這將有助于不同的植被指數能夠更精確的應用在不同的研究和應用領域，從而在一定程度上給
計算機時代 2016年12期2017-01-14
- 植被指數監測綠洲農區風沙災害的適宜性分析
膜損壞。遙感植被指數是農區災害監測和評估的重要指標［1－2］。植被指數是多光譜數據經線性或非線性組合，構成對植被有一定指示意義的各種數值，被越來越多地用于農業和植被生態監測［3］。不同的植被指數在一定條件下能用來定量地說明植被狀況，但受到植被本身、土壤背景、環境條件和大氣空間時相變化等因素的影響，植被指數往往具有明顯的地域性和時效性，沒有一個普遍的值，其研究經常表明不同的結果［4］。針對綠洲農區風沙災害的監測和評估，需要對多個植被指數在風沙災害前后的變化進
水土保持研究 2014年2期2014-05-05
- 龍口市城市熱島效應與植被指數相關性研究
分析龍口地區植被指數和地表溫度之間的關系，來論證加強綠化對熱島效應的緩解作用。主要通過近紅外波段和可見光紅色波段的運算來獲取植被指數，進而計算地表輻射率，然后以熱紅外遙感理論反演研究區的地表溫度，借此分析植被對城市地表溫度的影響。2 數據及數據預處理選用LandsatTM遙感影像作為數據源，獲取2010年6月12日（landsat5TM）覆蓋龍口市區域的遙感影像數據（圖1）。在進行熱島遙感研究中，基礎分析數據是TM6波段影像。在進行植被指數研究中，基礎分析
綠色科技 2013年1期2013-11-17
- 基于FY3/MERSI數據提取并應用植被指數
1）0 引言植被指數（Vegetation Index簡稱VI）是依據植被與土壤背景的光譜特征，由波段反射率計算而來的量。常見的植被指數有比值植被指數（RVI）、歸一化植被指數（NDVI）、大氣阻抗植被指數（ARVI）、土壤調節植被指數（SAVI）、增強型植被指數（EVI）等。它們一定程度上有效地反映地表植被覆蓋狀況及植被生長狀況，成為植被監測、生物量估算等工作的重要參數。隨著高光譜遙感的發展，植被指數（VI）被廣泛應用到農業、林業、生態環境、土地資源管理
河南科技 2013年17期2013-08-15
- 植被指數在草地遙感中的應用初探
的重要工具。植被指數是將遙感地物光譜資料經數學方法處理, 以反映植被狀況的特征量，是用來表征地表植被覆蓋及生長狀況的一個簡單、有效的度量參數，已廣泛用來定性和定量評價植被覆蓋及其生長活力。隨著遙感技術的發展，植被指數在生態、農業、地理信息等領域的應用更加全面和深入。我國草地科學自80年代初期引進航天遙感技術并開展應用以來，已取得了多方面的研究成果。植被指數作為遙感監測地面植物生長和分布的一種方法，也是反映作物生長狀態的直接遙感指標，其應用效果將直接影響到遙
湖南農業科學 2011年1期2011-03-10