您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

利用温度和植被指数进行地物分类和土壤水分反演

文献类型： 中文期刊

作者： 刘良云 1 ; 张兵 1 ; 郑兰芬 1 ; 童庆禧 1 ; 刘银年 2 ; 薛永祺 2 ; 杨敏华 3 ; 赵春江 3 ;

作者机构： 1.中国科学院遥感应用研究所

2.中国科学院上海技术物理研究所

3.北京农业信息技术研究中心

关键词： 植被指数;陆地表面温度;实用模块化成像光谱仪;土壤水分

期刊名称： 红外与毫米波学报

ISSN： 1001-9014

年卷期： 2002 年 04 期

页码： 269-273

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 首先利用地物表面温度和植被指数 ,成功地对北京精准农业示范区内生长旺盛小麦、稀疏小麦、池塘水体、水草、淤泥和裸露土壤等 6种地物进行了分类 .其次 ,利用地物表面温度 (LST)和归一化植被指数 (NDVI)作为坐标系 ,建立LST—NDVI三角形分布的散点图 ,分析了散点图的地物特征分布及其物理意义 .与植被的红外和近红外两个特征波段构造的散射图相比 ,同类样本的离散度更小 ,不同类别样本之间的距离更大 .最后 ,提出了植被指数—表面温度的土壤水分反演模型 ,结合地面采样数据 ,成功地反演了实验区内作物地块的土壤水分

  • 相关文献

[1]用神经网络和高光谱植被指数估算小麦生物量. 王大成,王纪华,靳宁,王芊,李存军,黄敬峰,王渊,黄芳. 2008

[2]自主研制的田间成像高光谱仪农学建模研究. 黄文江,张东彦,马智宏,王秋平. 2010

[3]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[4]高光谱遥感在植被理化信息提取中的应用动态. 谭昌伟,王纪华,黄文江,刘良云,黄义德,严伟才. 2005

[5]估测作物冠层生物量的新植被指数的研究. 陈鹏飞,Nicolas Tremblay,王纪华,Philippe Vigneault,黄文江,李保国. 2010

[6]水稻成熟过程中高光谱与叶绿素、类胡萝卜素的变化规律研究. 唐延林,王纪华,黄敬峰,王人潮,何秋霞. 2003

[7]基于CASI高光谱数据的作物叶面积指数估算. 唐建民,廖钦洪,刘奕清,杨贵军,冯海宽,王纪华. 2015

[8]基于多载荷无人机遥感的大豆地上鲜生物量反演. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕. 2017

[9]用神经网络和高光谱植被指数估算小麦生物量. 王大成,王纪华,靳宁,王芊,李存军,黄敬峰,王渊,黄芳. 2008

[10]基于氮素运转原理和GRA-PLS算法的冬小麦籽粒蛋白质含量遥感预测. 李振海,徐新刚,金秀良,张竞成,宋晓宇,宋森楠,杨贵军,王纪华. 2014

[11]模拟多光谱卫星传感器数据的冬小麦白粉病遥感监测. 卫黎光,蒋金豹,杨贵军,聂臣巍,袁琳,黄文江,张竞成. 2014

[12]基于成像高光谱仪的大豆叶面积指数反演研究. 陆国政,李长春,杨贵军,于海洋,赵晓庆,张晓燕. 2016

[13]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[14]基于多源遥感数据的大豆叶面积指数估测精度对比. 高林,李长春,王宝山,杨贵军,王磊,付奎. 2016

[15]基于多时相HJ-1B CCD影像的玉米倒伏灾情遥感监测. 王立志,顾晓鹤,胡圣武,杨贵军,王磊,范友波,王艳杰. 2016

[16]基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演. 李鑫川,徐新刚,鲍艳松,黄文江,罗菊花,董莹莹,宋晓宇,王纪华. 2012

[17]融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI. 李鑫川,鲍艳松,徐新刚,金秀良,张竞成,宋晓宇. 2013

[18]基于高光谱响应与模拟模型的冬小麦变量追氮研究. 蒋阿宁,黄文江,王纪华,刘克礼,赵春江,刘良云. 2007

[19]轻小型无人机多光谱遥感技术应用进展. 孙刚,黄文江,陈鹏飞,高帅,王秀. 2018

[20]基于生长度日的冬小麦植株氮浓度监测. 赵钰,李振海,杨贵军,王建雯,段丹丹,杨武德,冯美臣. 2019

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台