發(fā)布時間：2018-04-04 13:51

  本文選題：高光譜遙感　切入點：植被指數(shù)　出處：《地球物理學(xué)進展》2017年04期

【摘要】：植被指數(shù)一直是遙感技術(shù)研究植被的重要方法,當(dāng)前主要方法多是利用遙感數(shù)據(jù)中的典型波段進行組合計算.隨著高光譜遙感的廣泛應(yīng)用,簡單波段組合計算應(yīng)用于高光譜遙感數(shù)據(jù)效果并不理想,植被指數(shù)計算方法需要在傳統(tǒng)方法基礎(chǔ)上,充分利用連續(xù)光譜曲線優(yōu)勢.文章在借鑒當(dāng)前主流植被指數(shù)計算方法基礎(chǔ)上,結(jié)合植被的光譜曲線特征,提出了一種基于綜合吸收能力的植被指數(shù)計算方法(VSAI).具體方法是運用植被光譜曲線在綠、紅、紅外波段范圍內(nèi)的曲線拐點所形成曲面的形狀與面積,與樣本之間的相似關(guān)系,進行植被存在性與郁閉度評估.結(jié)果表明,該方法計算出來的指數(shù)能較好的反應(yīng)植被信息,有較好層次.
[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.
【作者單位】： 成都理工大學(xué)管理科學(xué)學(xué)院;地球探測與信息技術(shù)教育部重點實驗室(成都理工大學(xué));
【基金】：國家重點研發(fā)計劃項目(2016YFB0502603) 中國博士后科學(xué)基金項目(2012M521717) 四川省科技支撐計劃項目(2015SZ0198)聯(lián)合資助
【分類號】：Q948;TP79

【相似文獻】

相關(guān)期刊論文 前10條

1 羅亞,徐建華,岳文澤;基于遙感影像的植被指數(shù)研究方法述評[J];生態(tài)科學(xué);2005年01期

2 陳云浩,李曉兵,史培軍;整合陸地表面溫度與植被指數(shù)信息進行地表覆蓋變化研究[J];第四紀研究;2003年03期

3 郭鈮;植被指數(shù)及其研究進展[J];干旱氣象;2003年04期

4 李開麗,倪紹祥,扶卿華;垂直植被指數(shù)及其解算方法[J];農(nóng)機化研究;2005年02期

5 何彬方;馮妍;吳文玉;范偉;;安徽省近十年植被指數(shù)時空變化特征[J];生態(tài)學(xué)雜志;2010年10期

6 蒲云錦;韓春光;;新疆植被指數(shù)與氣象因子關(guān)系分析[J];沙漠與綠洲氣象;2010年05期

7 徐丹丹;李文龍;王迅;薛中正;;垂直植被指數(shù)的計算和精度分析[J];蘭州大學(xué)學(xué)報(自然科學(xué)版);2010年05期

8 孫艷玲;郭鵬;;1982-2006年華北植被指數(shù)時空變化特征[J];干旱區(qū)研究;2012年02期

9 覃發(fā)超;倪瀟倩;;基于遙感影像的都江堰市多植被指數(shù)的比較研究[J];科技創(chuàng)新導(dǎo)報;2013年07期

10 張仁華,饒農(nóng)新,廖國男;植被指數(shù)的抗大氣影響探討[J];植物學(xué)報;1996年01期

相關(guān)會議論文 前7條

1 付卓;王錦地;施建成;宋金玲;靳華安;張立新;張鐘軍;趙少杰;陳柏松;;微波植被指數(shù)與光學(xué)植被指數(shù)在地面尺度上的關(guān)系研究[A];遙感定量反演算法研討會摘要集[C];2010年

2 范錦龍;;我國晴空分布及對旬合成植被指數(shù)的影響[A];推進氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國氣象學(xué)會2004年年會論文集（下冊）[C];2004年

3 江東;王乃斌;楊小喚;劉紅輝;;植被指數(shù)—地面溫度特征空間及其應(yīng)用[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

4 楊道勇;肖云岫;;利用WT-10接收的1B高分辨云圖數(shù)據(jù)生成植被指數(shù)圖像[A];中國氣象學(xué)會2005年年會論文集[C];2005年

5 何全軍;曹靜;張月維;;基于MODIS的廣東省植被指數(shù)序列構(gòu)建與應(yīng)用[A];中國氣象學(xué)會2007年年會生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會場論文集[C];2007年

6 蒙繼華;陳雪洋;吳炳方;杜鑫;鈕立明;張飛飛;;利用Hyperion數(shù)據(jù)進行環(huán)境星CCD植被指數(shù)真實性檢驗[A];遙感定量反演算法研討會摘要集[C];2010年

7 劉少軍;張京紅;陳匯林;陳德明;田光輝;蔡大鑫;;海南島植被指數(shù)變化的驅(qū)動因子分析[A];中國氣象學(xué)會2006年年會“首屆研究生年會”分會場論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 鄭亞云;榆林NDVI時空變化及驅(qū)動因子研究[D];長安大學(xué);2015年

2 劉曉靜;基于不同遙感數(shù)據(jù)源的秦嶺地區(qū)植被指數(shù)對比分析[D];長安大學(xué);2015年

3 葛美香;多源傳感器植被指數(shù)一致化算法研究[D];重慶郵電大學(xué);2016年

4 王強;昆崳山凈生產(chǎn)力特征及其與植被指數(shù)、生物多樣性關(guān)系[D];山東大學(xué);2011年

5 王麗新;葉片蠟質(zhì)對利用植被指數(shù)反演葉綠素含量的影響[D];東北師范大學(xué);2013年

6 葛昊;葉片茸毛對利用高光譜植被指數(shù)反演葉綠素含量的影響[D];東北師范大學(xué);2012年

7 劉金鋒;基于多源遙感數(shù)據(jù)的青海湖流域植被指數(shù)研究[D];青海師范大學(xué);2014年

8 潘薔;北京市植被指數(shù)變化及影響因素分析[D];東北林業(yè)大學(xué);2012年

9 陸星彤;植物葉片正反面對葉綠素遙感估算的影響[D];東北師范大學(xué);2015年

10 鄭騰飛;光能利用率和光化學(xué)反射植被指數(shù)的關(guān)系影響探究[D];南京信息工程大學(xué);2013年

，

本文編號：1710229