延河流域植物光谱特征分析

doi:10.6046/gtzyyg.2001.03.04

摘要
参考文献
相关文章
Metrics

全文: PDF(419 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

介绍了延河流域主要植物的光谱特征,分析了形成植物光谱特征差异的主要内在原因和影响因素,即植物体内的叶绿素(维生素a,b)、胡萝卜素、氮、木质素、纤维素的含量是决定植物光谱特征的根本因素,植被覆盖度、太阳高度角、大气特征、背景地物、观测几何及植被的生长阶段等是植物光谱特征差异的主要影响因素.

	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
	杨则东
	陈有明
	刘同庆
	王白艳
	黄燕
	杨扬

关键词 ：巢湖淤积, 演变趋势, 遥感监测

Abstract：

This paper introducs the spectral character of main vegetations along Yanhe river, which are determined by the contents of many materials within vegetations, such as chlorophyll, carotenoids, nitrogen, lignin and cellulose. The spectra are also affected by many factors, like Leaf Area Index, sun's position, atmosphere condition, background character, observation geometry and growthing period of vegetations.

Key words： Chaohu Lake sedimentation Evolution trend Remote sensing monitoring

收稿日期: 2001-02-19 出版日期: 2011-08-02

作者简介: 万余庆(1963-),男,1985年毕业于山东科技大学地球科学系,多年来一直从事遥感图像信息处理与应用研究,先后在国内外学术刊物上发表论文20余篇,出版专著1本.

引用本文:

万余庆, 阎永忠, 张凤丽. 延河流域植物光谱特征分析[J]. 国土资源遥感, 2001, 13(3): 15-20.
WAN Yu-qing, YAN Yong-zhong, ZHANG Feng-li . ANALYSE TO SPECTRAL CHARACTER OF THE VEGETATION ALONG YANHE RIVER. REMOTE SENSING FOR LAND & RESOURCES, 2001, 13(3): 15-20.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2001.03.04 或 https://www.gtzyyg.com/CN/Y2001/V13/I3/15

[1] Clark R N, King T V, Ager C, Swayze G A. Vegetation Species and Stress Indicator Mapping in the San Luis Valley, Colorado using Imaging Spectrometer data［J］. Remote Sensing of Environment, 1997.

[2] Rencz A. Manual of Remote Sensing, Chapter 1［M］. New York: John Wiley and Sons, Inc., 1999.

[3] Blackburn G A. Spectral indices for estimating photosynthetic pigment concentration: a test using senscent tree leaves［J］. INT.J.Remote Sensing. 1998, 19(4):657-675.

[4] Bolster K L, Martin M E, Aber J D. Determination of carbon fraction and nitrogen concentration in tree foliage by near infrared reflectance: a comparison of statistical methods［J］. Canadian Journal of Forest Research 1996, 26:590-600.

[5] Raymond F, Kokaly, Roger N Clark, Eric Livo K. Mapping the Biology and Mineralogy of Yellowstone National Park using Imaging Spectroscopy, Summaries of the 7th Annual JPL Airborne Earth Science Workshop
[A]. In: Green R O, Vol 1. AVIRIS Workshop
[C], JPL Publication 97-21. 1998, 245-254.

[6] Shaw D T. High-spectral resolution data for monitoring Scots pine(pinus sylvestris L.) regeneration［J］. INT.J.Remote Sensing, 1998, 19(13): 2601-2608.

[1]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[2]	陈栋, 姚维岭. 基于ArcPy与定制ArcToolbox的矿山新增图斑自动编号及方法改进[J]. 国土资源遥感, 2021, 33(2): 262-269.
[3]	刁明光, 刘文静, 李静, 刘芳, 王彦佐. 矿山遥感监测矢量成果数据动态变化检测方法[J]. 国土资源遥感, 2020, 32(3): 240-246.
[4]	汪洁, 刘小杨, 杨金中, 周英杰, 安娜, 王志晖. 基于国产高空间分辨率卫星数据的浙江省矿山环境恢复治理典型模式分析[J]. 国土资源遥感, 2020, 32(3): 216-221.
[5]	冯力力, 江利明, 柳林, 孙亚飞. 新疆克拉牙依拉克冰川变化(1973—2016)主被动遥感监测分析[J]. 国土资源遥感, 2020, 32(2): 162-169.
[6]	石海岗, 梁春利, 张建永, 张春雷, 程旭. 岸线变迁对田湾核电站温排水影响遥感调查[J]. 国土资源遥感, 2020, 32(2): 196-203.
[7]	刘晰, 郝利娜, 杨显华, 黄洁, 张志, 杨武年. 矿山遥感监测指标快速统计方法研究与实现[J]. 国土资源遥感, 2020, 32(2): 259-265.
[8]	汪洁, 殷亚秋, 于航, 蒋存浩, 万语. 基于RS和GIS的浙江省矿山地质环境遥感监测[J]. 国土资源遥感, 2020, 32(1): 232-236.
[9]	赵玉灵, 杨金中, 殷亚秋, 赵航, 何金宝, 张汉. 海南岛东部滨海锆钛砂矿开发状况遥感监测与生态恢复治理对策研究[J]. 国土资源遥感, 2019, 31(4): 143-150.
[10]	吴海平, 黄世存. 基于深度学习的新增建设用地信息提取试验研究——全国土地利用遥感监测工程创新探索[J]. 国土资源遥感, 2019, 31(4): 159-166.
[11]	陈震, 张耘实, 章远钰, 桑玲玲. 高标准农田建后遥感监测方法[J]. 国土资源遥感, 2019, 31(2): 125-130.
[12]	杨显华, 黄洁, 田立, 彭孛, 肖礼晓, 宋新龙. 矿山遥感监测在采空区稳定性分析中的应用[J]. 国土资源遥感, 2018, 30(3): 143-150.
[13]	张春桂, 林炳青. 基于FY-2E卫星数据的福建沿海海雾遥感监测[J]. 国土资源遥感, 2018, 30(1): 7-7.
[14]	刁娇娇, 龚鑫烨, 李明诗. 利用综合变化检测方法进行土地覆盖变化制图[J]. 国土资源遥感, 2018, 30(1): 157-165.
[15]	魏本赞, 付丽华, 范芳, 张策, 揭文辉, 董双发. 1998—2015年新疆玛纳斯河流域湿地动态变化遥感监测[J]. 国土资源遥感, 2017, 29(s1): 90-94.

Viewed

Full text

Abstract

Cited

Shared

Discussed