论文摘要
人们常用高光谱植被指数估计植物叶绿素含量以确定植物健康状况,但是多数的植被指数在被创建之初都没有考虑叶片表面结构,如叶片茸毛。本研究以带不同茸毛的多种绿色植物作为研究对象,重点分析了植物表面结构对叶片光谱反射率、高光谱植被指数以及利用高光谱植被指数反演叶绿素含量的影响,其结果主要如下:1、在400-1000nm波段范围内,叶片反射值都有下降,但是,可见光波段比近红外波段变化并不一致,可见光波段的反射值比近红外的反射值下降的程度大。2、通过对比38个现有的高光谱植被指数在经过去茸毛处理前后的变化,发现CTR1:R695/R420、REP、VOG1:R740/R720三个指数,它们或者单独利用可见光,或者单独利用近红外波段的植被指数受茸毛变化影响小。我们得到的两种比率指数CTR1、VOG1,他们应用的波长在茸毛处理前变化相一致。这三种指数在估计生化物质成分时被认为具有广泛性。3、对不同密度茸毛叶片进行去毛处理,植物表面茸毛的密度越大,植物的表面茸毛对植物的高光谱植被指数具有越大的影响。4、将实测的叶绿素含量与应用植被指数估计的叶绿素进行精度比较,我们发现:(R850-R710)/(R850-R680)这个指数对于植物的叶绿素含量的估计在回归系数和回归线斜率两方面都具有相对稳定性。
论文目录
相关论文文献
- [1].荒漠林高光谱与光学影像植被指数(Ⅵ)的比较[J]. 新疆农业科学 2020(01)
- [2].河南省植被指数变化特征研究[J]. 测绘与空间地理信息 2020(02)
- [3].运用植被指数时序特征对落叶松人工林分类[J]. 东北林业大学学报 2020(03)
- [4].微波植被指数在云南省植被动态监测中的适用性研究[J]. 地球环境学报 2019(06)
- [5].表征亚热带常绿林光合作用季节变化特征的多种植被指数[J]. 生态学报 2018(16)
- [6].植被指数遥感演化研究进展[J]. 北方园艺 2018(20)
- [7].重庆市植被指数与高度/坡度的关系研究[J]. 西南师范大学学报(自然科学版) 2016(11)
- [8].铜污染植被指数的玉米叶片污染程度探测模型[J]. 光谱学与光谱分析 2020(01)
- [9].吉林省NDVI时空变化——以2010—2019年为例[J]. 农业与技术 2020(13)
- [10].基于遥感数据的内蒙古近三十年植被指数的时空分析[J]. 地质学刊 2018(03)
- [11].草地高光谱植被指数与叶面积指数的关系研究[J]. 阴山学刊(自然科学) 2011(04)
- [12].构建植被区分阴影消除植被指数提取山地植被信息[J]. 农业工程学报 2019(20)
- [13].一种基于可见光植被指数的高分辨率影像林地提取方法[J]. 软件导刊 2020(07)
- [14].植被指数的地形效应研究进展[J]. 应用生态学报 2018(02)
- [15].基于地形调节植被指数估算长汀县植被覆盖度[J]. 国土资源遥感 2015(01)
- [16].被动微波遥感植被指数在中国的应用研究[J]. 干旱区资源与环境 2014(08)
- [17].基于植被指数模型的淡水湖泊湿地景观信息提取[J]. 地理空间信息 2012(06)
- [18].基于MODIS的重庆市植被指数对地形的响应[J]. 中国农业气象 2012(04)
- [19].基于宽范围动态植被指数的棉花冠层覆盖度监测[J]. 棉花学报 2011(03)
- [20].L波段多角度微波植被指数研究[J]. 遥感信息 2010(01)
- [21].新疆植被指数与气象因子关系分析[J]. 沙漠与绿洲气象 2010(05)
- [22].基于雷达植被指数的水土流失区植被覆盖度估测[J]. 国土资源遥感 2015(04)
- [23].西藏高原青稞三种植被指数对红外增温的初始响应[J]. 生态环境学报 2015(03)
- [24].山西省植被指数时空变化特征及其对气候变化的响应[J]. 湖北农业科学 2015(17)
- [25].基于ArcGIS的金沙江流域中段植被指数分布规律研究[J]. 科技通报 2010(03)
- [26].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(05)
- [27].山西典型生态区植被指数(NDVI)对气候变化的响应[J]. 生态学杂志 2009(05)
- [28].近25年山西植被指数时空变化特征分析[J]. 生态环境 2008(06)
- [29].气象因子对植被指数影响的偏最小二乘分析[J]. 测绘科学 2019(12)
- [30].基于最佳植被指数组合的水稻鲜生物量估测[J]. 科技通报 2019(06)