公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

雷竹叶绿素与高光谱植被指数关系及其反演模型被引量：5: 2015年; 雷竹Phyllostachys violascens快速生长过程中,采用ASD便携式野外光谱测量仪和CCM-200手持式叶绿素仪对研究区样竹反射光谱曲线和相对叶绿素进行连续观测,在此基础上分析了植被指数与雷竹叶绿素在不同观测时间的相关关系,并构建了叶绿素反演模型。研究结果表明:1绿度指数(GM),红边指数(Vog3),双重差值指数(DD),修正型归一化指数(m ND705),修正型比值指数(m SR705)和红边拐点指数(REP)等6个高光谱植被指数在整个生长过程均与雷竹叶绿素有较好的相关关系,而其他植被指数在某些时间或时间段里与雷竹叶绿素具有较好的关系,且在观测末期,几乎所有植被指数与叶绿素均有较好的相关性;2采用以上6个植被指数建立的一元线性模型,在99%置信水平下的相关系数均在0.85以上,且2种方案所建立的多元线性模型能够对雷竹叶绿素进行高精度的预测,预测与实测叶绿素之间的相关系数在0.89以上。; 李亚丹杜华强周国模谷成燕徐小军孙少波高国龙; 关键词：植物学雷竹叶绿素

毛竹林总初级生产力年际变化及其驱动因素——以安吉县为例被引量：8: 2016年; 森林生态系统碳通量的年际变化及其驱动因素分析是了解森林碳收支动态变化以及预测未来气候变化对森林碳收支影响的重要理论基础,对评估森林应对气候变化的贡献具有重要意义。结合MODIS叶面积指数(LAI)和归一化植被指数(NDVI)产品、MERRA气象数据和通量塔观测数据,采用光能利用率模型模拟2004—2011年安吉县毛竹林生态系统总初级生产力(GPP)空间分布,并分析GPP年际变化及其驱动因素。结果表明:(1)小年毛竹林GPP稍高于大年GPP;(2)2004—2011年安吉县毛竹林年日均GPP呈下降趋势,东部、西部和整个安吉县毛竹林年日均GPP变化速率分别为-0.064、-0.033和-0.045g C m-2W-1,年均温度持续下降是主要驱动因素;(3)LAI年际变化是GPP年际变化的主要驱动因素,主要原因是毛竹林大小年交替规律引起了有效LAI年际间差异;(4)西部GPP年际变化幅度大于东部,环境和生物因素对GPP年际变化的作用方向决定了毛竹林GPP年际变化的幅度。; 徐小军周国模杜华强孙少波高国龙; 关键词：年际变化叶面积指数毛竹林大小年

基于小波变换的毛竹叶片净光合速率高光谱遥感反演被引量：18: 2016年; 在对毛竹林叶片高光谱反射率数据进行小波变换的基础上,寻找和确定最佳的小波植被指数反演毛竹林叶片的净光合速率(P_n).结果表明:理想的高频小波植被指数反演得到的P_n精度高于低频小波植被指数和光谱植被指数,其中,由小波分解第一层高频系数构建的归一化植被指数、比值植被指数和差值植被指数与P_n之间的相关性最好,R^2为0.7,均方根误差(RMSE)较低,为0.33;而低频小波植被指数反演P_n的精度低于光谱植被指数.由各层理想小波植被指数所构建的多元线性模型反演得到毛竹叶片P_n与实测P_n之间具有显著的相关关系,R^2为0.77,RMSE为0.29,且精度明显高于基于光谱植被指数所构建的多元线性模型.与光谱植被指数反演毛竹P_n的敏感波段仅局限于可见光波段相比,小波植被指数探测的敏感波长范围更广,包含了可见光及多个红外波段.高光谱数据在经过小波变换后能够发现更多反映毛竹P_n的细节信息,且整体反演精度比原始光谱有了显著提高,研究结果为基于高光谱遥感反演植被P_n提供了一种新的可选方法.; 孙少波杜华强李平衡周国模徐小军高国龙李雪建; 关键词：毛竹净光合速率反演小波变换高光谱遥感

基于特征优选的面向对象毛竹林分布信息提取被引量：18: 2016年; 【目的】提出一种基于Relief F特征优选的面向对象分类方法,为解决面向对象森林资源遥感分类提供参考。【方法】以SPOT5高分辨率遥感影像为数据源,以浙江省安吉县山川乡为研究区,通过影像分割,选取8个地物类别的370个对象样本,并设置SPOT5影像每个波段的8个灰度共生矩阵纹理、每个波段及NDVI的平均值和标准差等42个对象特征。利用Relief F算法对设置的42个对象特征进行优选,采用面向对象的最近邻方法提取研究区毛竹林分布信息。为了比较基于最优特征的面向对象的分类结果,另采用CART决策树方法在相同的分割参数和训练样本前提下,通过样本构建决策树分类规则,对研究区进行分类并提取竹林信息。【结果】1)通过Relief F特征优选方法对分类特征进行优选,大幅提高了毛竹林样本的分类精度,与特征优选前相比,毛竹林样本分类精度由68%提高到88%,优选的红波段均值、绿波段均值、红波段均质纹理、红波段熵纹理和NDVI植被指数均值5个特征能够精确地提取研究区毛竹林分布信息,其用户精度和生产者精度分别达到97%和95%;2)基于CART决策树面向对象的研究区毛竹林用户精度和生产者精度均低于基于最优特征的最近邻分类结果,主要原因是CART决策树中毛竹林、针叶林和阔叶林之间的误分相对较高。【结论】Relief F算法特征优选时注重特征的分类能力,筛选的特征参与面向对象分割提取的毛竹林分布信息高于同类研究,可为面向对象多尺度分割森林资源遥感分类时特征的选取提供一个更为科学合理的方法。; 高国龙杜华强韩凝徐小军孙少波李雪建; 关键词：毛竹林 RELIEFF算法面向对象

面向对象的高分辨率遥感影像竹林多尺度碳储量估算方法研究: 随着遥感技术的迅猛发展和林业生产科研的深入，遥感在林业的应用越来越广泛。高分辨率遥感影像具有空间信息丰富，反映地物类型差异;几何结构清晰，利于通过形状尺寸特征区分地物;纹理结构清晰等优势。在森林资源监测中可以反映复杂的植...; 高国龙; 关键词：遥感影像多尺度特征

基于几何光学模型的毛竹林郁闭度无人机遥感定量反演被引量：15: 2015年; 基于几何光学模型,探讨无人机遥感数据在毛竹林郁闭度定量反演中的应用,并分析了无约束和全约束两种混合像元分解对反演结果的影响.结果表明:利用无人机遥感数据与几何光学模型在一定程度上能够实现毛竹林郁闭度的估算,但不同混合像元分解方法反演精度差异较大;相对于无约束混合像元分解而言,全约束混合像元分解反演得到的郁闭度精度高,其反演郁闭度与野外实测数据的相关系数达显著水平,决定系数R2为0.63,且均方根误差也很小,为0.04左右,能够较真实地反映毛竹林的实际情况.; 王聪杜华强周国模徐小军孙少波高国龙; 关键词：郁闭度混合像元分解

全选清除导出

共1页<1>

高国龙

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

高国龙

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈