高光谱反演水稻叶面积指数的主成分分析法

doi:10.6046/gtzyyg.2007.03.11

全文: PDF(622 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

为了通过水稻冠层反射光谱来提取水稻叶面积指数信息，尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱，

比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现，红边位置光谱可以较好地区分LAI和叶绿素

浓度二者引起光谱变化的差异。由此提出对700 nm~750 nm区间内的反射光谱做主成分变换，并利用第2主成分与LAI建立反演模型(

即主成分分析法)，取得了较好效果，表明在植被指数趋近于饱和以至于无法区分二者相关性时，主成分分析法可以作为一种简单

而有效提取水稻叶面积指数信息的补充手段。

	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

关键词 ：森林资源遥感, 动态监测, 演变趋势

Abstract：

In order to extract the leaf area index (LAI) information from the canopy reflectance spectra of rice,

the authors tentatively simulated the canopy reflectance based on the radiative transfer model PROSPECT+SAIL and

compared several vegetation indices to define the correlation between the chlorophyll content and LAI. The

observation of the spectral signature near the red edge showed distinguished behavior for chlorophyll content and

LAI. Therefore, the principal component analysis was used as a supplementary method when vegetation indices could

not reach good results in getting LAI information. An analysis of the ground measurement of rice spectra and LAI

also substantiates this method.

Key words： Forest resources Remote senisng dynamic monitoring Evolution tendency

收稿日期: 2006-12-26 出版日期: 2009-07-21

TP 79

通讯作者: 杨燕(1982-)，女，南京大学国际地球系统科学研究所硕士研究生，主要从事高光谱植被遥感研究。

引用本文:

杨燕, 田庆久. 高光谱反演水稻叶面积指数的主成分分析法[J]. 国土资源遥感, 2007, 19(3): 47-50.
YANG Yan, TIAN Qing-Jiu. PRINCIPAL COMPONENT ANALYSIS METHOD FOR RETRIEVING LEAF AREA
INDEX OF RICE FROM HYPERSPECTRAL DATA. REMOTE SENSING FOR LAND & RESOURCES, 2007, 19(3): 47-50.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2007.03.11 或 https://www.gtzyyg.com/CN/Y2007/V19/I3/47

[1]	龙泽昊, 张添源, 许伟, 秦其明. 基于Android的农田干旱遥感动态监测系统研制[J]. 国土资源遥感, 2021, 33(2): 256-261.
[2]	胡国庆, 陈冬花, 刘聪芳, 谢以梅, 刘赛赛, 李虎. 基于高分二号的城市黑臭水体动态监测[J]. 国土资源遥感, 2021, 33(1): 30-37.
[3]	向杰, 陈建平, 李诗, 赖自力, 黄浩中, 刘静, 谢帅. 无人机遥感技术在北京首云铁矿储量动态监测中的应用[J]. 国土资源遥感, 2018, 30(3): 224-229.
[4]	史青云, 赵志芳, 宋坤, 闫洁茹. 基于RS和GIS的滇池流域水蚀荒漠化动态监测[J]. 国土资源遥感, 2017, 29(s1): 101-105.
[5]	范敏, 孙小飞, 苏凤环, 蒋华标, 韩磊. 国产高分卫星数据在西南山区地质灾害动态监测中的应用[J]. 国土资源遥感, 2017, 29(s1): 85-89.
[6]	王晓红, 荆青青, 周英杰, 姚维岭. 山东省采煤沉陷遥感动态监测[J]. 国土资源遥感, 2017, 29(3): 203-210.
[7]	刘英, 侯恩科, 岳辉. 基于MODIS的神东矿区植被动态监测与趋势分析[J]. 国土资源遥感, 2017, 29(2): 132-137.
[8]	张伟康, 马慧云, 邹峥嵘, 何卓臣, 赵国庆. 基于SBDART辐射传输模型的夜间辐射雾自动检测及时间序列分析[J]. 国土资源遥感, 2014, 26(2): 80-86.
[9]	母景琴, 詹胜. 唐山市植被动态变化遥感监测[J]. 国土资源遥感, 2013, 25(3): 178-182.
[10]	童立强, 李丽. 三峡库区水蚀荒漠化遥感调查与监测[J]. 国土资源遥感, 2012, 24(1): 100-103.
[11]	高振宇, 吴学瑜, 范清东, 曹子剑, 门春春. 土地利用动态遥感监测中的问题探析[J]. 国土资源遥感, 2011, 23(3): 20-24.
[12]	黄妙芬, 毛志华, 邢旭峰, 孙中平, 赵祖龙, 黄薇. HJ-1B/IRS水温反演模型及监测示范[J]. 国土资源遥感, 2011, 23(2): 81-86.
[13]	赵玉灵, 张亚琳, 聂洪峰, 郁万鑫. 中国东部重要经济区带湿地遥感调查与演变分析[J]. 国土资源遥感, 2010, 22(s1): 163-168.
[14]	杨则东, 陈有明, 刘同庆, 王白艳, 黄燕, 杨扬. 巢湖泥沙淤积对环境影响的遥感调查与监测[J]. 国土资源遥感, 2010, 22(s1): 87-90.
[15]	祝燕, 张志, 张芹, 刘凤梅, 刘文婷. 矿山环境遥感动态监测中的相对辐射校正方法研究[J]. 国土资源遥感, 2010, 22(3): 47-50.