作物叶片叶绿素含量可用于诊断作物氮素养分亏缺及估算作物光能利用率,是当前是遥感方法评价作物生长状况的重要指标。目前,遥感反演作物叶片叶绿素含量的方法包括基于冠层辐射传输模型的算法和基于光谱指数的经验算法。
叶绿素是植被光合作用中最为重要的色素,叶绿素含量的多少不仅表明了植株的生长情况,也体现出与外界环境进行物质、能量交换的能力。同时,叶绿素含量是植被光合作用能力强弱、生理胁迫状况及氮利用效率的良好指示器。
油菜种植区域的准确提取是进行长势监测、估产和灾情评估的前提,遥感手段已成为作物种植区域提取与监测的高效方法,而高光谱遥感具有波段多、波谱分辨率高、信息丰富等特点,因而提供了一种新的技术手段。
Spectral feature fitting (SFF) is a commonly used strategy for hyperspectral imagery analysis to discriminate ground targets.Compared to other image analysis techniques,SFF does not secure higher accu
黄土高原半干旱雨养农业区,干旱发生频繁,对农作物的水分胁迫状况进行定量诊断对该区域农业干旱监测预警具有重要意义。本文于2008,2011-2013 年连续进行4 年观测实验,主要测定了不同水分控制条件下春小麦冠层、叶片与土壤的高光谱反射率,并同步测定了叶绿素含量,叶片含水量,叶面积指数、叶水势、土壤水分与水势等各项作物生理与土壤参数。
随着传感器技术的发展,高光谱数据的地面分辨率逐渐提高,使得影像能提供更多地物的形状、大小、纹理等方面的信息,与此同时,其他的数据源,比如从机载激光扫描数据中获取的数字地面模型(Digital Surface Model-DSM)等,可以为这些目标特征提供高度信息。
The PROSPECT leaf optical model had combined the effects of plant leaf pigments,but a finer discrimination among the key pigments was important for physiological and ecological applications of remote
城镇是人类活动最为集中也是影响最大的地表区域。随着人口数量的增加和经济的发展,城镇化进程是当前以及今后更长一段时期内的主题,特别是以中国为代表的发展中国家。
高光谱数据的高维特征既为我们从图像中提取地物精细信息提供了可能,也成为了数据处理过程中面临的挑战。在高光谱图像分类领域中,如何平衡光谱的高维数与有限图像训练样本之间的关系,一直是领域研究中关注的难点。
随着高光谱影像数据在遥感应用中越来越广泛,如何降低高光谱数据的维数、去除波段之间冗余度,成为高光谱遥感数据在应用中需要解决的一个重要问题。