一种基于综合吸收能力的高光谱遥感植被指数计算方法
本文选题:高光谱遥感 切入点:植被指数 出处:《地球物理学进展》2017年04期
【摘要】:植被指数一直是遥感技术研究植被的重要方法,当前主要方法多是利用遥感数据中的典型波段进行组合计算.随着高光谱遥感的广泛应用,简单波段组合计算应用于高光谱遥感数据效果并不理想,植被指数计算方法需要在传统方法基础上,充分利用连续光谱曲线优势.文章在借鉴当前主流植被指数计算方法基础上,结合植被的光谱曲线特征,提出了一种基于综合吸收能力的植被指数计算方法(VSAI).具体方法是运用植被光谱曲线在绿、红、红外波段范围内的曲线拐点所形成曲面的形状与面积,与样本之间的相似关系,进行植被存在性与郁闭度评估.结果表明,该方法计算出来的指数能较好的反应植被信息,有较好层次.
[Abstract]:Vegetation index has always been an important method to study vegetation in remote sensing technology. At present, most of the main methods are based on the combination calculation of typical bands in remote sensing data.With the wide application of hyperspectral remote sensing, the application of simple band combination calculation to hyperspectral remote sensing data is not ideal. The method of vegetation index calculation needs to make full use of the advantage of continuous spectral curve on the basis of traditional methods.Based on the main methods of vegetation index calculation and the spectral curve characteristics of vegetation, a new method of vegetation index calculation based on comprehensive absorption capacity is proposed in this paper.The specific method is to evaluate the vegetation existence and canopy density by using the shape and area of the curved surface formed by the curve inflection points in the green, red and infrared bands, and the similar relationship between the vegetation spectral curves and the samples.The results show that the index calculated by this method can well reflect the vegetation information and has a better level.
【作者单位】: 成都理工大学管理科学学院;地球探测与信息技术教育部重点实验室(成都理工大学);
【基金】:国家重点研发计划项目(2016YFB0502603) 中国博士后科学基金项目(2012M521717) 四川省科技支撑计划项目(2015SZ0198)联合资助
【分类号】:Q948;TP79
【相似文献】
相关期刊论文 前10条
1 罗亚,徐建华,岳文泽;基于遥感影像的植被指数研究方法述评[J];生态科学;2005年01期
2 陈云浩,李晓兵,史培军;整合陆地表面温度与植被指数信息进行地表覆盖变化研究[J];第四纪研究;2003年03期
3 郭铌;植被指数及其研究进展[J];干旱气象;2003年04期
4 李开丽,倪绍祥,扶卿华;垂直植被指数及其解算方法[J];农机化研究;2005年02期
5 何彬方;冯妍;吴文玉;范伟;;安徽省近十年植被指数时空变化特征[J];生态学杂志;2010年10期
6 蒲云锦;韩春光;;新疆植被指数与气象因子关系分析[J];沙漠与绿洲气象;2010年05期
7 徐丹丹;李文龙;王迅;薛中正;;垂直植被指数的计算和精度分析[J];兰州大学学报(自然科学版);2010年05期
8 孙艳玲;郭鹏;;1982-2006年华北植被指数时空变化特征[J];干旱区研究;2012年02期
9 覃发超;倪潇倩;;基于遥感影像的都江堰市多植被指数的比较研究[J];科技创新导报;2013年07期
10 张仁华,饶农新,廖国男;植被指数的抗大气影响探讨[J];植物学报;1996年01期
相关会议论文 前7条
1 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年
2 范锦龙;;我国晴空分布及对旬合成植被指数的影响[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册)[C];2004年
3 江东;王乃斌;杨小唤;刘红辉;;植被指数—地面温度特征空间及其应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
4 杨道勇;肖云岫;;利用WT-10接收的1B高分辨云图数据生成植被指数图像[A];中国气象学会2005年年会论文集[C];2005年
5 何全军;曹静;张月维;;基于MODIS的广东省植被指数序列构建与应用[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年
6 蒙继华;陈雪洋;吴炳方;杜鑫;钮立明;张飞飞;;利用Hyperion数据进行环境星CCD植被指数真实性检验[A];遥感定量反演算法研讨会摘要集[C];2010年
7 刘少军;张京红;陈汇林;陈德明;田光辉;蔡大鑫;;海南岛植被指数变化的驱动因子分析[A];中国气象学会2006年年会“首届研究生年会”分会场论文集[C];2006年
相关硕士学位论文 前10条
1 郑亚云;榆林NDVI时空变化及驱动因子研究[D];长安大学;2015年
2 刘晓静;基于不同遥感数据源的秦岭地区植被指数对比分析[D];长安大学;2015年
3 葛美香;多源传感器植被指数一致化算法研究[D];重庆邮电大学;2016年
4 王强;昆嵛山净生产力特征及其与植被指数、生物多样性关系[D];山东大学;2011年
5 王丽新;叶片蜡质对利用植被指数反演叶绿素含量的影响[D];东北师范大学;2013年
6 葛昊;叶片茸毛对利用高光谱植被指数反演叶绿素含量的影响[D];东北师范大学;2012年
7 刘金锋;基于多源遥感数据的青海湖流域植被指数研究[D];青海师范大学;2014年
8 潘蔷;北京市植被指数变化及影响因素分析[D];东北林业大学;2012年
9 陆星彤;植物叶片正反面对叶绿素遥感估算的影响[D];东北师范大学;2015年
10 郑腾飞;光能利用率和光化学反射植被指数的关系影响探究[D];南京信息工程大学;2013年
,本文编号:1710229
本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/1710229.html