針對常見可見光植被指數(shù)提取植被覆蓋度存在的問題,該文提出一種新的可見光植被指數(shù)——紅綠藍(lán)比值植被指數(shù),該方法直接采用紅綠藍(lán)像元值計(jì)算,方法簡單快速,探索建立了新植被指數(shù)與植被覆蓋度之間的相關(guān)關(guān)系,并利用相鄰鄉(xiāng)鎮(zhèn)航片以兩種方法驗(yàn)證了新植被指數(shù)的可靠性。結(jié)果表明:采用紅綠藍(lán)比值植被指數(shù),通過低空無人機(jī)獲取多張航片拼接成大范圍航片提取植被覆蓋度信息總體精度達(dá)到93.5%,為小型無人機(jī)小面積研究區(qū)域高精度植被覆蓋度快速獲取提供了方法,對林業(yè)調(diào)查、農(nóng)業(yè)監(jiān)測有著重要作用。 

【文章來源】：測繪科學(xué). 2020,45(09)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

研究區(qū)紅綠藍(lán)植被指數(shù)

y=47.49 x3-141.4 x2+135.7 x-41.44 (6)從圖3和式(6)中可以看出,植被覆蓋度與紅綠藍(lán)比值植被指數(shù)相關(guān)性很高,均方差誤差很小,模型精度相比歸一化綠紅差值植被指數(shù)、紅綠比值指數(shù)、過綠減過紅指數(shù)高很多。適合作為本研究區(qū)植被覆蓋度反演的可見光植被指數(shù)。

為了驗(yàn)證植被覆蓋度預(yù)測精度,以同期相鄰鄉(xiāng)鎮(zhèn)(永豐鄉(xiāng))可見光影像(圖4中,驗(yàn)證區(qū)域面積為1.3×104 m2),從植被覆蓋度精度和植被信息精度兩個(gè)方面加以驗(yàn)證。3.1 植被覆蓋度精度

【參考文獻(xiàn)】：
期刊論文
[1]基于無人機(jī)可見光圖像的夏季玉米植被覆蓋度提取方法[J]. 趙靜,楊煥波,蘭玉彬,魯力群,賈鵬,李志銘.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(05)
[2]博爾塔拉蒙古自治州植被覆蓋度估算[J]. 唐夢迎,丁建麗,夏楠,張喆.  測繪科學(xué). 2019(07)
[3]基于無人機(jī)可見光波段對荒漠植被覆蓋度提取的研究——以沙坡頭地區(qū)為例[J]. 高永平,康茂東,何明珠,孫巖,許華.  蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[4]基于無人機(jī)大樣方草地植被覆蓋度及生物量估算方法研究[J]. 劉艷慧,蔡宗磊,包妮沙,劉善軍.  生態(tài)環(huán)境學(xué)報(bào). 2018(11)
[5]基于多元HoG及無人機(jī)航拍圖像的植被類型識別[J]. 林志瑋,丁啟祿,涂偉豪,林金石,劉金福,黃炎和.  森林與環(huán)境學(xué)報(bào). 2018(04)
[6]無人機(jī)遙感在野外植被蓋度調(diào)查中的應(yīng)用——以阿拉善荒漠區(qū)灌木為例[J]. 萬煒,肖生春,陳小紅,滕澤宇,丁愛軍,韓超,顏長珍.  干旱區(qū)資源與環(huán)境. 2018(09)
[7]一種基于光譜歸一化下的植被覆蓋度反演算法[J]. 段金亮,王杰,張婷.  遙感技術(shù)與應(yīng)用. 2018(02)
[8]基于無人機(jī)遙感與植被指數(shù)的冬小麥覆蓋度提取方法[J]. 牛亞曉,張立元,韓文霆,邵國敏.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)
[9]一種基于無人機(jī)高光譜數(shù)據(jù)的植被蓋度估算新方法[J]. 馮海英,馮仲科,馮海霞.  光譜學(xué)與光譜分析. 2017(11)
[10]中高分辨率遙感協(xié)同反演冬小麥覆蓋度[J]. 孫中平,劉素紅,姜俊,白雪琪,陳永輝,朱程浩,郭文婷.  農(nóng)業(yè)工程學(xué)報(bào). 2017(16)

碩士論文
[1]湖北省植被覆蓋度動態(tài)變化及其對氣候變化的響應(yīng)[D]. 鄒洪坤.武漢大學(xué) 2018
[2]霍林河礦區(qū)植被覆蓋度信息提取及時(shí)空變化分析[D]. 梁肖.中國地質(zhì)大學(xué)(北京) 2017
[3]金寨縣植被覆蓋度時(shí)空變化特征及其驅(qū)動力因素[D]. 于全波.山東農(nóng)業(yè)大學(xué) 2016
[4]基于無人機(jī)可視光譜的玉米植被覆蓋度研究[D]. 王成波.昆明理工大學(xué) 2016



本文編號：3608622