版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文以錫林郭勒大針茅典型草原為對象,研究了大針茅草原-PAR變化規(guī)律,并建立了FPAR估算模型,同時對MODIS FPAR數(shù)據(jù)的精度進(jìn)行評估。具體研究結(jié)果如下:
1.PAR與FPAR日變化規(guī)律
測定并分析了冠層PAR的日變化特征,結(jié)果表明入射PAR與透射PAR的日變化規(guī)律較明顯,呈較標(biāo)準(zhǔn)的正弦曲線變化,并在中午12:30左右達(dá)到一天之內(nèi)的最大值;冠層反射PAR與土壤反射PAR的日變化規(guī)律基本一致,呈較標(biāo)準(zhǔn)的正弦波動;
2、晴天FPAR的日變化呈較標(biāo)準(zhǔn)的余弦曲線變化,在中午11:30左右達(dá)到一天內(nèi)的最小值,并分析發(fā)現(xiàn)日均FPAR與上午9:30或下午14:30左右的瞬時FPAR值基本相同。
2.高光譜數(shù)據(jù)估算FPAR模型的建立
應(yīng)用光譜反射率與其一階導(dǎo)數(shù)分別于FPAR建立波段相關(guān)系數(shù),同時建立多元逐步回歸方程。結(jié)果表明:典型草原FPAR與可見光反射率的相關(guān)性好于近紅外波段的反射率,其中在374波段處的相關(guān)性最好,R2達(dá)0.731;FPAR
3、與一階導(dǎo)數(shù)的相關(guān)系數(shù)在376、920nm處較高。對這些單波段進(jìn)行多元逐步回歸分析,其效果要好于單波段估算,反射率回歸后的R2達(dá)0.912,一階導(dǎo)數(shù)回歸后的R2達(dá)0.943。
3.FPAR估算模型的建立與驗(yàn)證
對地面實(shí)測PAR分量與地物光譜進(jìn)行分析,應(yīng)用8種植被指數(shù)對FPAR進(jìn)行估算,結(jié)果表明8種植被指數(shù)都可以很好的估算FPAR,其中綠度植被指數(shù)(GNDVI)估算FPAR效果最好,R2達(dá)到0.908;當(dāng)植被葉面積較小時
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高光譜數(shù)據(jù)的柑桔葉綠素含量估算研究.pdf
- 基于棉花冠層光譜參數(shù)的FPAR估算模型研究及應(yīng)用.pdf
- 基于高光譜數(shù)據(jù)的冬小麥葉綠素含量估算模型.pdf
- 基于實(shí)驗(yàn)室高光譜反射數(shù)據(jù)的土壤成分含量估算研究.pdf
- 基于地面高光譜的柑橘產(chǎn)量估算模型的研究.pdf
- 基于高光譜數(shù)據(jù)的農(nóng)作物冠層LAI和FAPAR估算研究.pdf
- 48373.fpar遙感模型與npp估算研究
- 基于高光譜數(shù)據(jù)的海面溢油檢測研究.pdf
- 錫林郭勒典型草原植被光譜特征研究.pdf
- 基于高光譜數(shù)據(jù)的北疆棉花遙感監(jiān)測研究.pdf
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf
- 56996.基于高光譜數(shù)據(jù)庫的光譜匹配技術(shù)研究
- 基于壓縮感知的植物高光譜數(shù)據(jù)重構(gòu)算法研究.pdf
- 基于多核學(xué)習(xí)的高光譜數(shù)據(jù)分類技術(shù)研究.pdf
- 基于HSI高光譜數(shù)據(jù)的水稻光譜特征分析與識別技術(shù)研究.pdf
- 基于壓縮感知的植物高光譜數(shù)據(jù)重構(gòu)算法研究
- 39751.基于高光譜數(shù)據(jù)的分類技術(shù)研究
- 基于C波段雷達(dá)遙感數(shù)據(jù)的水稻FPAR反演.pdf
- 基于Hyperion高光譜數(shù)據(jù)的森林類型精細(xì)識別研究.pdf
- 基于松弛聚類假設(shè)的高光譜數(shù)據(jù)分類研究.pdf
評論
0/150
提交評論