高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

李晓松 李增元 高志海 白黎娜 王琫瑜 李世明

李晓松, 李增元, 高志海, 白黎娜, 王琫瑜, 李世明. 基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测[J]. 北京林业大学学报, 2010, 32(3): 95-100.
引用本文: 李晓松, 李增元, 高志海, 白黎娜, 王琫瑜, 李世明. 基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测[J]. 北京林业大学学报, 2010, 32(3): 95-100.
LI Xiao-song, LI Zeng-yuan, GAO Zhi-hai, BAI Li-na, WANG Beng-yu, LI Shi-ming. Estimation of sparse vegetation cover in arid regions based on vegetation indices derived from Hyperion data.[J]. Journal of Beijing Forestry University, 2010, 32(3): 95-100.
Citation: LI Xiao-song, LI Zeng-yuan, GAO Zhi-hai, BAI Li-na, WANG Beng-yu, LI Shi-ming. Estimation of sparse vegetation cover in arid regions based on vegetation indices derived from Hyperion data.[J]. Journal of Beijing Forestry University, 2010, 32(3): 95-100.

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

Estimation of sparse vegetation cover in arid regions based on vegetation indices derived from Hyperion data.

  • 摘要: 受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲--荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3 nm/640.5 nm波段组合的ARVI表现最佳,R2可达0.729 4,均方根误差(RMSE)仅为5.548 8。
  • [1] 曾思益, 陈杰, 蒋昌波, 何飞, 隆院男, 屈科, 邓斌, 伍志元.  基于根茎叶定量概化模型的植被区沿程波高衰减机制试验研究 . 北京林业大学学报, 2020, 42(10): 117-125. doi: 10.12171/j.1000-1522.20180110
    [2] 吴艳双, 张晓丽.  结合多尺度纹理特征的高光谱影像面向对象树种分类 . 北京林业大学学报, 2020, 42(6): 91-101. doi: 10.12171/j.1000-1522.20190155
    [3] 张静茹, 同小娟, 孟平, 张劲松, 刘沛荣.  基于植被指数、叶绿素荧光和碳通量的华北山地人工林物候对比研究 . 北京林业大学学报, 2020, 42(11): 17-26. doi: 10.12171/j.1000-1522.20200113
    [4] 于颖, 刘敏, 范文义, 卫甜甜, 程腾辉, 蒋博, 张月.  基于PROSPECT和4-scale模型的光化学植被指数尺度转换 . 北京林业大学学报, 2020, 42(10): 27-35. doi: 10.12171/j.1000-1522.20190190
    [5] 李鹏飞, 郭小平, 顾清敏, 张昕, 冯昶栋, 郭光.  基于可见光植被指数的乌海市矿山排土场坡面植被覆盖信息提取研究 . 北京林业大学学报, 2020, 42(6): 102-112. doi: 10.12171/j.1000-1522.20190252
    [6] 张莹, 张晓丽, 李宏志, 刘会玲.  基于频谱和光谱特征的高光谱地物分类比较 . 北京林业大学学报, 2018, 40(7): 1-8. doi: 10.13332/j.1000-1522.20170342
    [7] 邵艳莹, 吴秀芹, 张宇清, 秦树高, 吴斌.  内蒙古地区植被覆盖变化及其对水热条件的响应 . 北京林业大学学报, 2018, 40(4): 33-42. doi: 10.13332/j.1000-1522.20170414
    [8] 温一博, 常颖, 范文义.  基于MISR数据大兴安岭地区叶面积指数反演及尺度转换验证研究 . 北京林业大学学报, 2016, 38(5): 1-10. doi: 10.13332/j.1000-1522.20150204
    [9] 李明泽, 王雪, 高元科, 付瑜, 范文义.  大兴安岭植被指数年际变化及影响因子分析 . 北京林业大学学报, 2015, 37(5): 1-10. doi: 10.13332/j.1000-1522.20140220
    [10] 官凤英, 邓旺华, 范少辉.  毛竹林光谱特征及其与典型植被光谱差异分析 . 北京林业大学学报, 2012, 34(3): 31-35.
    [11] 潘蔷, 范文义, 于海群, 张峰, 张扬建.  北京市植被指数变化与影响因素分析 . 北京林业大学学报, 2012, 34(2): 26-33.
    [12] 江洪, 毛政元, 汪小钦.  地形调节植被指数及其在森林动态监测中的应用 . 北京林业大学学报, 2011, 33(5): 8-12.
    [13] 宋富强, 康慕谊, 杨朋, 陈雅如, 刘阳, 邢开雄.  陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析 . 北京林业大学学报, 2010, 32(4): 72-80.
    [14] 武鹏飞, 王茂军, 张学霞.  北京市植被绿度与城市热岛效应关系研究 . 北京林业大学学报, 2009, 31(5): 54-60.
    [15] 信忠保, 余新晓, 甘敬, 王小平, 李金海.  黄河中游河龙区间植被覆盖变化与径流输沙关系研究 . 北京林业大学学报, 2009, 31(5): 1-8.
    [16] 周金星, JunYang, 董林水, 张旭东, 左力.  青藏铁路唐古拉山南段沿线植被多样性及盖度特征分析 . 北京林业大学学报, 2008, 30(3): 24-30.
    [17] 张学霞, 朱清科, 吴根梅, 孙丹珠.  数码照相法估算植被盖度 . 北京林业大学学报, 2008, 30(1): 164-169.
    [18] 蔡体久, 琚存勇.  毛乌素沙地植被盖度估测方法研究 . 北京林业大学学报, 2008, 30(增刊1): 292-295.
    [19] 臧淑英, 那晓东, 冯仲科, .  基于植被指数的大庆地区草地退化因子遥感定量反演模型的研制 . 北京林业大学学报, 2008, 30(增刊1): 98-104.
    [20] 徐文铎, 李吉跃, 段爱国, 张求慧, 吴斌, 温俊宝, 刘金福, 常德龙, 王云琦, 匡文慧, 谭炳香, 郑凌凌, 赵燕东, 程占红, 齐春辉, 
    ZHAOGuang-jie, 冯夏莲, 张灿, 邹大林, 李贤军, 李雪萍, 刘常富, 王玉涛, 鲁绍伟, 李雪峰, 张建国, 翟洪波, LUOWen-sheng, 张路平, 何正权, 宋湛谦, 温俊宝, 韩士杰, 白陈祥, 张树文, 何兴元, 李增元, 朱天辉, 王玉杰, 吴庆利, 何承忠, 韩烈保, 何友均, 李吉跃, 余新晓, 吴斌, 洪伟, 赵广杰, 黄文豪, 林秦文, 姜伟, 骆有庆, 陈发菊, 匡秋明, 童书振, 刘凤芹, 何静, 陈尔学, 梁小红, 郭忠玲, FurunoTakeshi, 张志毅, 张养贞, 骆有庆, ]魏晓霞, ]陈玮, 李俊清, 郑兴波, 庞勇, RENQian, 许志春, 胡伟华, 张璧光, 张军, 赵桂玲, 张振明, 曾会明, 许志春, 李颖, 梁宏伟, 安新民, 崔国发, 杨凯, 宋国正, 曹川健, 郑杰, 李凤兰, 侯伟, 刘君, PaulWolfgang, 李福海, 赵广亮, 雷渊才, 李考学, 姚永刚, 田桂芳, 董建生, 张有慧, 张全来, 李永波, 赫万成, 李长明, 张世玺.  Hyperion高光谱数据森林郁闭度定量估测研究 . 北京林业大学学报, 2006, 28(3): 95-101.
  • 加载中
计量
  • 文章访问数:  3969
  • HTML全文浏览量:  37
  • PDF下载量:  49
  • 被引次数: 0
出版历程
  • 收稿日期:  1900-01-01
  • 修回日期:  1900-01-01
  • 刊出日期:  2010-05-30

基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测

摘要: 受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲--荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3 nm/640.5 nm波段组合的ARVI表现最佳,R2可达0.729 4,均方根误差(RMSE)仅为5.548 8。

English Abstract

李晓松, 李增元, 高志海, 白黎娜, 王琫瑜, 李世明. 基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测[J]. 北京林业大学学报, 2010, 32(3): 95-100.
引用本文: 李晓松, 李增元, 高志海, 白黎娜, 王琫瑜, 李世明. 基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测[J]. 北京林业大学学报, 2010, 32(3): 95-100.
LI Xiao-song, LI Zeng-yuan, GAO Zhi-hai, BAI Li-na, WANG Beng-yu, LI Shi-ming. Estimation of sparse vegetation cover in arid regions based on vegetation indices derived from Hyperion data.[J]. Journal of Beijing Forestry University, 2010, 32(3): 95-100.
Citation: LI Xiao-song, LI Zeng-yuan, GAO Zhi-hai, BAI Li-na, WANG Beng-yu, LI Shi-ming. Estimation of sparse vegetation cover in arid regions based on vegetation indices derived from Hyperion data.[J]. Journal of Beijing Forestry University, 2010, 32(3): 95-100.

目录

    /

    返回文章
    返回