本文選題：高光譜 + 偏振��； 參考：《光譜學(xué)與光譜分析》2017年11期

【摘要】：高光譜遙感被越來越多的應(yīng)用于確定混合像元的地物組分和比例。將不同面積比例的植被-土壤混合像元作為研究對(duì)象,使用偏振裝置和ASD FieldSpec~汶3光譜儀得到植被—土壤組成的混合像元的偏振反射光譜曲線,計(jì)算得到八種植被指數(shù)值,討論不同面積比例,不同偏振角度下植被-土壤混合像元的高光譜偏振特性。研究發(fā)現(xiàn),隨著葉片占混合像元面積比例的增大,植被-土壤光譜曲線越來越明顯地表現(xiàn)出植被光譜"五谷四峰"的特性,且峰值與谷底的位置與植被光譜基本相同。偏振角越大,混合像元的光譜偏振反射比越大;混合像元條件下,植被所占混合像元的面積比例越大,光譜受偏振角的影響越大。各植被指數(shù)與混合像元中植被面積大小呈線性關(guān)系,其中植被衰減指數(shù)和改進(jìn)紅邊歸一化植被指數(shù)的相關(guān)系數(shù)最大,可以達(dá)到98%左右,適合用于建立植被指數(shù)與植被占混合像元面積比例之間的相關(guān)模型。在植被面積發(fā)生變化時(shí),改進(jìn)紅邊比值植被指數(shù)的靈敏性更好。在利用光譜吸收特征參數(shù)進(jìn)行植被指數(shù)估算時(shí),發(fā)現(xiàn)吸收谷深度與光化學(xué)植被指數(shù)的二次函數(shù)模型擬合度最強(qiáng),決定系數(shù)R2為0.963 3;光譜吸收指數(shù)與光化學(xué)植被指數(shù)的二次函數(shù)模型擬合度最強(qiáng),決定系數(shù)R2為0.960 5。
[Abstract]:Hyperspectral remote sensing is increasingly used to determine the composition and proportion of ground objects in mixed pixels. The polarization reflectance spectra of vegetation-soil mixed pixel with different area ratio were obtained by using polarization device and ASD FieldSpec-3 spectrometer, and eight vegetation index values were calculated. The hyperspectral polarization characteristics of vegetation-soil mixed pixels with different area ratios and different polarization angles are discussed. It is found that with the increase of the proportion of the leaf to the mixed pixel area, the vegetation-soil spectral curve shows the characteristic of "four peaks" of the vegetation spectrum more and more obviously, and the position of the peak value and the bottom of the valley are basically the same as the vegetation spectrum. The larger the polarization angle, the greater the spectral polarization reflectance of mixed pixel, and the greater the area proportion of mixed pixel is, the greater the spectrum is affected by polarization angle under mixed pixel condition. There is a linear relationship between the vegetation index and the vegetation area in the mixed pixel. The correlation coefficient between the vegetation attenuation index and the improved normalized vegetation index of the red edge is the largest, which can reach about 98%. It is suitable for establishing the correlation model between vegetation index and the proportion of vegetation to mixed pixel area. When the vegetation area changes, the sensitivity of improving the red edge ratio vegetation index is better. When the spectral absorption characteristic parameters are used to estimate the vegetation index, it is found that the quadratic function model of the depth of absorption valley and the photochemical vegetation index has the strongest fitting degree. The quadratic function model of spectral absorption index and photochemical vegetation index is the best, and the determining coefficient R2 is 0.960 5.
【作者單位】： 東北師范大學(xué)地理科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(41301364) 吉林省教育廳“十三五”科學(xué)研究規(guī)劃項(xiàng)目,中央高�；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(2412016) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20120043120013) 吉林省科技發(fā)展計(jì)劃項(xiàng)目(20150520067JH)資助
【分類號(hào)】：S154.4;TP79

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 衛(wèi)建軍;李新平;趙東波;梁偉;;混合像元分離的研究進(jìn)展[J];水土保持研究;2006年05期

2 閻國倩;趙云升;寧艷玲;趙乃卓;仲桂新;;混合像元光譜特征影響因子分析[J];光譜學(xué)與光譜分析;2009年12期

3 吳波,張良培,李平湘;基于光譜維小波特征的混合像元投影迭代分解[J];電子學(xué)報(bào);2005年11期

4 厲小潤;伍小明;趙遼英;;非監(jiān)督的高光譜混合像元非線性分解方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2011年04期

5 桂預(yù)風(fēng),張繼賢,林宗堅(jiān);土地利用遙感動(dòng)態(tài)監(jiān)測中混合像元的分解方法研究[J];遙感信息;2000年02期

6 吳波;張良培;李平湘;;基于支撐向量回歸的高光譜混合像元非線性分解[J];遙感學(xué)報(bào);2006年03期

7 楊偉;陳晉;松下文經(jīng);宮鵬;陳春曉;;基于相關(guān)系數(shù)匹配的混合像元分解算法[J];遙感學(xué)報(bào);2008年03期

8 戴曉燕;過仲陽;張利權(quán);吳健平;;基于混合像元分類的城市地表覆蓋時(shí)空演變格局研究[J];地理科學(xué);2009年01期

9 麻慶苗;李靜;劉強(qiáng);柳欽火;;混合像元聚集指數(shù)研究及尺度分析[J];遙感學(xué)報(bào);2012年05期

10 梁娜;何明一;;基于遺傳算法的混合像元快速分解及分類算法[J];遙感技術(shù)與應(yīng)用;2007年04期

相關(guān)會(huì)議論文 前10條

1 張樹譽(yù);李登科;李星敏;周輝;;遙感植被指數(shù)及其在縣域生態(tài)環(huán)境監(jiān)測評(píng)估中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

2 安培浚;頡耀文;;綠洲植被指數(shù)的遙感定量研究-以民勤綠洲為例[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 傅軍;張杰;辛紅梅;馬毅;;基于植被指數(shù)的高光譜遙感水陸識(shí)別方法初探[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

4 肖乾廣;肖嵐;李亞君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的歸一化植被指數(shù)的同化研究[A];全國國土資源與環(huán)境遙感應(yīng)用技術(shù)研討會(huì)論文集[C];2009年

5 張春桂;;利用MODIS植被指數(shù)研究城區(qū)空間擴(kuò)展變化——以福州市為例[A];中國土地資源戰(zhàn)略與區(qū)域協(xié)調(diào)發(fā)展研究[C];2006年

6 呂京國;張小詠;張立新;陳正超;;微波穿透指數(shù)MVI與光學(xué)植被指數(shù)NDVI的關(guān)系探討[A];中國測繪學(xué)會(huì)第九次全國會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

7 汪卓琦;張立福;晏磊;;高光譜植被指數(shù)VIUPD的Matlab7.0實(shí)現(xiàn)[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會(huì)論文集（下冊）[C];2006年

8 王靜;郭鈮;;Terra MODIS和Aqua MODIS單波段反射率及植被指數(shù)初步比較[A];中國氣象學(xué)會(huì)2008年年會(huì)干旱與減災(zāi)——第六屆干旱氣候變化與減災(zāi)學(xué)術(shù)研討會(huì)分會(huì)場論文集[C];2008年

9 楊虎;;FY-3微波成像儀植被指數(shù)反演研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

10 高懋芳;覃志豪;徐斌;秦曉敏;陶偉國;;基于遙感與GIS的全國農(nóng)業(yè)旱災(zāi)監(jiān)測[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 李春芝;基于高光譜影像的抗噪模型及解混算法研究[D];華東師范大學(xué);2014年

2 岳文澤;基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[D];華東師范大學(xué);2005年

3 劉占宇;水稻主要病蟲害脅迫遙感監(jiān)測研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李琳;高光譜遙感影像混合像元分解算法研究[D];河北工業(yè)大學(xué);2015年

2 周紅靜;面向混合像元的高光譜遙感數(shù)據(jù)降維[D];西安電子科技大學(xué);2015年

3 楊健;高/多光譜圖像混合像元解混研究[D];華中科技大學(xué);2011年

4 周昕;高光譜遙感圖像混合像元分解算法研究[D];浙江大學(xué);2015年

5 馬瑞;增強(qiáng)植被指數(shù)算法的研究及其在生態(tài)環(huán)境遙感產(chǎn)品生產(chǎn)分系統(tǒng)的應(yīng)用[D];河南大學(xué);2015年

6 杭睿翔;廣西沿海紅樹林信息遙感檢測技術(shù)研究[D];廣西師范大學(xué);2016年

7 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

8 韓春光;新疆植被指數(shù)與氣象因子的響應(yīng)關(guān)系研究[D];新疆大學(xué);2009年

9 齊建成;多光譜圖像混合像元分類技術(shù)研究[D];解放軍信息工程大學(xué);2009年

10 韓曉勇;基于MODIS和地物光譜的植被水分定量遙感研究[D];長安大學(xué);2009年

，

本文編號(hào)：1822043