南方山地森林蓄积量遥感估算研究

doi:10.6046/gtzyyg.1993.02.10

全文: PDF(514 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要提高我国南方山地森林蓄积量遥感估算精度的关键在于准确理解森林反射光谱的内涵。本文对南方山地森林反射光谱进行了分析,利用“条件均化”准则,提高了同类地物亮度的一致性；利用DTM,进行地形辐射校正,以消除地形辐照度差异。在此基础上,本文利用K-T变换提取了林分光谱特征和林分环境特征,建立了森林光谱信息与环境信息间的关系,构造了具有一定物理意义的蓄积量遥感估算模型。经试验,结果较为理想。对主要林分类型,其估算精度达到90%,因而可用于南方山地。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	蔡博峰
	绍霞
	刘保童
	王玉强

关键词 ： PROSPECT+SAIL模型, LAI, 大气校正, 植物生化参数

Abstract：The key for increase estimate Precision of stand volume is to understand well the interior of forestry reflective spectrum. In this paper, forestry spectrum information is analysed. "condition average criterion" is used to increase consistency; DTMis need to correct irradiation difference for different topography. The K-Ttransformation is applied to extract characteristics of forest and its envircnment. Remotely sensed estimate model of stand volume is developed and it is demonstrated satisfactorily by the experiments.The average estimate precision of stand volume is 90% for the primary stand classes. It can be applied to estimate the stand volume at south-china mountain.

Key words： PROSPECT+SAIL model LAI Atmospheric correction Leaf biochemical properties

出版日期: 2011-08-02

引用本文:

张友静, 方有清, 陈钦峦. 南方山地森林蓄积量遥感估算研究[J]. 国土资源遥感, 1993, 5(2): 39-47.
Zhang Youjing, Fang Youqing, Chen Qinluan . STUDY ON REMOTELY SENSED ESTIMATE MODEL OF STAND VOLUME IN THE SOUTH-CHINA MQVNTAIN. REMOTE SENSING FOR LAND & RESOURCES, 1993, 5(2): 39-47.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.1993.02.10 或 https://www.gtzyyg.com/CN/Y1993/V5/I2/39

[1]	何海英, 陈彩芬, 陈富龙, 唐攀攀. 张家口明长城景观廊道Sentinel-1影像SBAS形变监测示范研究[J]. 国土资源遥感, 2021, 33(1): 205-213.
[2]	申振宇, 高小红, 汤敏. 高海拔复杂地形区SPOT6图像大气校正方法对比及精度验证[J]. 国土资源遥感, 2020, 32(1): 81-89.
[3]	程东亚, 李旭东. 大气校正前后山地流域NDVI变化特征对比[J]. 国土资源遥感, 2020, 32(1): 90-97.
[4]	袁辉, 秦其明, 孙元亨. 河南漯河郾城区冬小麦LAI反演结果真实性检验[J]. 国土资源遥感, 2020, 32(1): 162-168.
[5]	陈玲, 陈理, 李伟, 刘建宇. 基于FLAASH模型的Worldview3大气校正[J]. 国土资源遥感, 2019, 31(4): 26-31.
[6]	李晓彤, 覃先林, 刘树超, 孙桂芬, 刘倩. 基于GF-1 WFV数据森林叶面积指数估算[J]. 国土资源遥感, 2019, 31(3): 80-86.
[7]	杨斌, 李丹, 高桂胜, 陈财, 王磊. Sentinel-2A卫星数据处理分析及在干旱河谷提取中的应用[J]. 国土资源遥感, 2018, 30(3): 128-135.
[8]	陆坤, 孟庆岩, 孙云晓, 孙震辉, 张琳琳. 基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例[J]. 国土资源遥感, 2018, 30(1): 196-202.
[9]	孔金玲, 杨晶, 孙晓明, 杨姝, 柳富田, 杜东. 多光谱遥感影像大气校正与悬沙浓度反演——以曹妃甸近岸海域为例[J]. 国土资源遥感, 2016, 28(3): 130-137.
[10]	任哲, 陈怀亮, 王连喜, 李颖, 李琪. 利用交叉验证的小麦LAI反演模型研究[J]. 国土资源遥感, 2015, 27(4): 34-40.
[11]	张月, 肖彧, 常晶晶, 刘健, 王亚琼, 贺春燕, 何冰. 大气校正对基于遥感指数提取藻华信息的影响[J]. 国土资源遥感, 2015, 27(3): 7-12.
[12]	佃袁勇, 方圣辉, 徐永荣. 一种协同反演气溶胶与水汽含量的高光谱图像大气校正算法[J]. 国土资源遥感, 2015, 27(2): 22-28.
[13]	陈健, 王文君, 盛世杰, 张雪红. 基于机载MASTER数据的果园叶面积指数遥感反演[J]. 国土资源遥感, 2015, 27(2): 69-74.
[14]	马红章, 刘素美, 朱晓波, 孙根云, 孙林, 柳钦火. 基于被动微波遥感技术的玉米冠层叶面积指数反演[J]. 国土资源遥感, 2013, 25(3): 66-71.
[15]	张学艺, 李剑萍, 官景得, 秦其明, 马力文, 曹宁. 两种叶面积指数动态模拟方法的对比研究[J]. 国土资源遥感, 2011, 23(3): 43-47.