东北寒温带永久冻土区森林沼泽湿地生态系统碳储量
1
2020
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
东北寒温带永久冻土区森林沼泽湿地生态系统碳储量
1
2020
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
长白山原始针叶林沼泽湿地生态系统碳储量
1
2019
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
长白山原始针叶林沼泽湿地生态系统碳储量
1
2019
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
Sensitivity analysis of the denitrification and decomposition model for simulating regional carbon budget at the wetland-grassland area on the Zoige Plateau, China
1
2016
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
Sensitivity analysis of retrieving fraction of Absorbed Photosynthetically Active Radiation (FPAR) Using Remote Sensing Data
1
2016
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
青海湖流域高寒湿地光合有效辐射特征
1
2018
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
青海湖流域高寒湿地光合有效辐射特征
1
2018
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
青藏高原1982~2015年FPAR时空变化分析
2
2020
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
... 若尔盖高原湿地位于青藏高原东北部,属于高寒亚寒带温润季风气候,该地区雨热充足,太阳辐射强,良好的环境条件使得植被光合作用能力普遍较强.本文基于植被指数模拟若尔盖湿地生长季FPAR均值为0.56,与焦雪敏等[6]研究夏季青藏高原东北部地区FPAR在0.4—0.6之间的研究结果基本相符. ...
青藏高原1982~2015年FPAR时空变化分析
2
2020
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
... 若尔盖高原湿地位于青藏高原东北部,属于高寒亚寒带温润季风气候,该地区雨热充足,太阳辐射强,良好的环境条件使得植被光合作用能力普遍较强.本文基于植被指数模拟若尔盖湿地生长季FPAR均值为0.56,与焦雪敏等[6]研究夏季青藏高原东北部地区FPAR在0.4—0.6之间的研究结果基本相符. ...
2006~2015年秦巴山区植被光合有效辐射吸收比例的时空变化分析
1
2019
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
2006~2015年秦巴山区植被光合有效辐射吸收比例的时空变化分析
1
2019
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
Improving ecosystem productivity modeling through spatially explicit estimation of optimal light use efficiency
1
2014
... 湿地是陆地生态系统的重要组成部分,承载了陆地15%的碳储量,是全球最大的碳库之一 [1-2],同时也是全球气候变化的“稳定器”[3].光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FPAR)是评价陆地生态系统碳储量、研究全球气候变化的关键参量之一[4-5],常用于反映湿地植被光合作用能力,与湿地植被生长发育状况直接相关[6-7],已经成为全球陆地生态系统碳循环与气候变化研究的重要课题之一[8].准确、快速地获取湿地植被FPAR,对正确评估湿地生态系统固碳能力、稳定全球气候变化具有重要意义. ...
植被光合有效辐射吸收比率遥感研究进展
1
2020
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
植被光合有效辐射吸收比率遥感研究进展
1
2020
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
Simulation and analysis on green fraction of absorbed photosynthetically active radiation of deciduous broadleaved forest canopy through remote sensing model
1
2017
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
FY-3/VIRR及MERSI与EOS/MODIS植被指数比较与差异原因分析
1
2017
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
FY-3/VIRR及MERSI与EOS/MODIS植被指数比较与差异原因分析
1
2017
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
基于植被指数的典型草原光合有效吸收比例估算研究
3
2016
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
... [12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
基于植被指数的典型草原光合有效吸收比例估算研究
3
2016
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
... [12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
冠层绿色FPAR与植被指数关系及其对气溶胶的敏感性分析
1
2018
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
冠层绿色FPAR与植被指数关系及其对气溶胶的敏感性分析
1
2018
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
基于HJ-1 CCD的夏玉米FPAR遥感监测模型
1
2010
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
基于HJ-1 CCD的夏玉米FPAR遥感监测模型
1
2010
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
Retrieving the diurnal FPAR of a maize canopy from the Jointing Stage to the Tasseling Stage with Vegetation Indexes under different water stresses and light conditions
1
2018
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
Remote asses sing Fraction of Photosynthetically Active Radiation (FPAR) for wheat canopies based on hyperspectral vegetation indexes
1
2018
... 随着遥感技术的不断发展,新型传感器和高光谱数据加入到植被指数的计算过程中[35-36],经验方法也随之进入新的阶段.为克服单一植被指数在极端条件下的不确定性[16,37-40],可将新型植被指数和多种植被指数结合起来用于估算湿地植被FPAR,提高植被指数估算方法的适用性.此外,遥感数据的尺度问题一定程度上影响湿地植被FPAR产品在区域的应用,因此,发展长时序、高时空分辨率FPAR数据集也是未来湿地植被FPAR估算的重要研究方向. ...
基于GF-1数据的夏玉米FPAR遥感动态估算
1
2022
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
基于GF-1数据的夏玉米FPAR遥感动态估算
1
2022
... 遥感影像具有覆盖范围广、获取及时的特点,能够获取大面积、长时序FPAR.目前,利用遥感影像反演FPAR的方法,主要有经验统计模型和辐射传输方程[9].其中,基于植被指数和植被类型的经验统计方法运算简单、参数少、效率高且可以获取全球尺度FPAR,被广泛运用于植被FPAR的估算[10].然而,植被指数众多,不同植被指数用于不同地区FPAR估算具有不同的适应性[11].王保林等[12]对比多种植被指数,发现转换型土壤调整植被指数(TSAVI)由于加入了土壤调整因子,减小了土壤背景对植被光谱特征的影响,能够较好地模拟不同植被覆盖度的草地FPAR.梁守真等[13]通过分析FPAR与各植被指数的相关关系,指出增强植被指数(EVI)在森林FPAR估算中具有优势.陈雪洋等[14-15]在利用不同植被指数模拟玉米生育期FPAR时发现,归一化植被指数(NDVI)与FPAR具有更高的相关性,能够有效提高玉米FPAR的估算精度.可知,现有植被指数估算FPAR的研究多集中在草原、森林及作物等方面[12-17],较少用于湿地植被FPAR的反演,尚且缺乏不同植被指数在湿地FPAR估算中的适应性的系统研究. ...
以HJ-1卫星遥感数据估算高寒草地植被净第一性生产力的潜力评估——以若尔盖草地为例
1
2013
... 若尔盖高原位于青藏高原东北缘,是我国泥炭湿地发育最大、最典型的地区,碳储量丰富[18-20],同时极易受到全球气候变化的影响[21],是研究湿地植被FPAR的典型区域.因此,以若尔盖高原作为研究区,基于常见的14种植被指数反演湿地植被FPAR,对比分析不同植被指数估算湿地植被FPAR的适应性,选出最优植被指数用于若尔盖高原湿地植被FPAR模拟,为湿地植被FPAR反演提供理论及技术支撑. ...
以HJ-1卫星遥感数据估算高寒草地植被净第一性生产力的潜力评估——以若尔盖草地为例
1
2013
... 若尔盖高原位于青藏高原东北缘,是我国泥炭湿地发育最大、最典型的地区,碳储量丰富[18-20],同时极易受到全球气候变化的影响[21],是研究湿地植被FPAR的典型区域.因此,以若尔盖高原作为研究区,基于常见的14种植被指数反演湿地植被FPAR,对比分析不同植被指数估算湿地植被FPAR的适应性,选出最优植被指数用于若尔盖高原湿地植被FPAR模拟,为湿地植被FPAR反演提供理论及技术支撑. ...
1999~2015年若尔盖草原湿地净初级生产力时空变化
0
2020
1999~2015年若尔盖草原湿地净初级生产力时空变化
0
2020
Estimation and Analysis of net primary productivity of Ruoergai Wetland in China for the recent 10 years based on remote sensing
1
2010
... 若尔盖高原位于青藏高原东北缘,是我国泥炭湿地发育最大、最典型的地区,碳储量丰富[18-20],同时极易受到全球气候变化的影响[21],是研究湿地植被FPAR的典型区域.因此,以若尔盖高原作为研究区,基于常见的14种植被指数反演湿地植被FPAR,对比分析不同植被指数估算湿地植被FPAR的适应性,选出最优植被指数用于若尔盖高原湿地植被FPAR模拟,为湿地植被FPAR反演提供理论及技术支撑. ...
若尔盖不同退化程度高寒沼泽湿地土壤氮矿化特征及温度效应
1
2021
... 若尔盖高原位于青藏高原东北缘,是我国泥炭湿地发育最大、最典型的地区,碳储量丰富[18-20],同时极易受到全球气候变化的影响[21],是研究湿地植被FPAR的典型区域.因此,以若尔盖高原作为研究区,基于常见的14种植被指数反演湿地植被FPAR,对比分析不同植被指数估算湿地植被FPAR的适应性,选出最优植被指数用于若尔盖高原湿地植被FPAR模拟,为湿地植被FPAR反演提供理论及技术支撑. ...
若尔盖不同退化程度高寒沼泽湿地土壤氮矿化特征及温度效应
1
2021
... 若尔盖高原位于青藏高原东北缘,是我国泥炭湿地发育最大、最典型的地区,碳储量丰富[18-20],同时极易受到全球气候变化的影响[21],是研究湿地植被FPAR的典型区域.因此,以若尔盖高原作为研究区,基于常见的14种植被指数反演湿地植被FPAR,对比分析不同植被指数估算湿地植被FPAR的适应性,选出最优植被指数用于若尔盖高原湿地植被FPAR模拟,为湿地植被FPAR反演提供理论及技术支撑. ...
基于地上净初级生产力与地上生物量的若尔盖高原放牧强度遥感监测
1
2021
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
基于地上净初级生产力与地上生物量的若尔盖高原放牧强度遥感监测
1
2021
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
15000年以来若尔盖高原泥炭地发育及其碳动态
1
2018
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
15000年以来若尔盖高原泥炭地发育及其碳动态
1
2018
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究
1
2016
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究
1
2016
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
若尔盖高原土地沙化及其成因定量分析
1
2019
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
若尔盖高原土地沙化及其成因定量分析
1
2019
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
若尔盖高原生态系统水源涵养功能时空变化特征
1
2020
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
若尔盖高原生态系统水源涵养功能时空变化特征
1
2020
... 若尔盖高原(100°36′—103°25′ E、33°10′—34°06′ N)行政上包含若尔盖县、红原县、阿坝县、玛曲县和碌曲县(图1),面积约42 770.02 km2,平均海拔约3 500 m[22-23].该区域属于高原亚寒带温润季风气候,长冬无夏,雨热同季,日照充足,太阳辐射强,生长季(6—9月)降水量占全年降水量的85%[24].若尔盖高原土地利用类型多样,包括森林、草原、灌木、湿地等[25],其中湿地以泥炭地、沼泽湿地和湿草甸为主[26]. ...
基于Landsat和MODIS数据融合的农牧区NPP模拟
1
2020
... MODIS提供了全球尺度的1 000 m分辨率的FPAR产品,较高的时间分辨率能够反映区域植被FPAR动态变化信息[27].为了明确植被指数估算湿地植被FPAR的适应性,将MODIS FPAR产品作为真实值,从Landsat 8 遥感影像提取植被指数,将土地利用类型中的湿地像元转换为矢量点,获得4 240组相对应的FPAR和植被指数数据(包含泥炭湿地434组,湿草甸1 252组,沼泽湿地2 554组),各类型湿地中随机选取前70%用于构建FPAR估算模型,其余(30%)用于对模型模拟结果的验证. ...
基于Landsat和MODIS数据融合的农牧区NPP模拟
1
2020
... MODIS提供了全球尺度的1 000 m分辨率的FPAR产品,较高的时间分辨率能够反映区域植被FPAR动态变化信息[27].为了明确植被指数估算湿地植被FPAR的适应性,将MODIS FPAR产品作为真实值,从Landsat 8 遥感影像提取植被指数,将土地利用类型中的湿地像元转换为矢量点,获得4 240组相对应的FPAR和植被指数数据(包含泥炭湿地434组,湿草甸1 252组,沼泽湿地2 554组),各类型湿地中随机选取前70%用于构建FPAR估算模型,其余(30%)用于对模型模拟结果的验证. ...
不同植被指数估算植被覆盖度的比较研究
1
2016
... 针对不同研究区、不同植被类型,植被指数表现存在差异[28],本文选取较为常见的14种植被指数,分析不同指数在若尔盖高原湿地的适应性,选取最优植被指数用于反演若尔盖高原湿地植被FPAR(表1). ...
不同植被指数估算植被覆盖度的比较研究
1
2016
... 针对不同研究区、不同植被类型,植被指数表现存在差异[28],本文选取较为常见的14种植被指数,分析不同指数在若尔盖高原湿地的适应性,选取最优植被指数用于反演若尔盖高原湿地植被FPAR(表1). ...
历史平均值法用于MODIS影像像元云补偿 ——以甘肃省为例
1
2021
... MODIS提供了全球1 000 m分辨率FPAR产品,较低分辨率难以反映若尔盖高原湿地FPAR空间异质性,本研究采用Landsat 8 遥感影像计算植被指数,同MODIS-FPAR构建适合若尔盖湿地的FPAR估算模型,一定程度上提高了区域FPAR估算精度.然而遥感影像受传感器性能、大气、云量等多种因素影响,存在部分像元信息缺失现象,造成影像空间信息的不连续性[29],使得FPAR模拟存在一定误差.因此,提高数据源精度是未来FPAR遥感估算的研究方向之一. ...
历史平均值法用于MODIS影像像元云补偿 ——以甘肃省为例
1
2021
... MODIS提供了全球1 000 m分辨率FPAR产品,较低分辨率难以反映若尔盖高原湿地FPAR空间异质性,本研究采用Landsat 8 遥感影像计算植被指数,同MODIS-FPAR构建适合若尔盖湿地的FPAR估算模型,一定程度上提高了区域FPAR估算精度.然而遥感影像受传感器性能、大气、云量等多种因素影响,存在部分像元信息缺失现象,造成影像空间信息的不连续性[29],使得FPAR模拟存在一定误差.因此,提高数据源精度是未来FPAR遥感估算的研究方向之一. ...
基于无人机遥感与植被指数的冬小麦覆盖度提取方法
1
2018
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
基于无人机遥感与植被指数的冬小麦覆盖度提取方法
1
2018
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
若尔盖高原典型泥炭湿地水量平衡计算
1
2018
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
若尔盖高原典型泥炭湿地水量平衡计算
1
2018
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
基于Landsat-8 OLI数据的砒砂岩区生物量遥感估算
1
2021
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
基于Landsat-8 OLI数据的砒砂岩区生物量遥感估算
1
2021
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
1974~2007年若尔盖县湿地变化研究
1
2012
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
1974~2007年若尔盖县湿地变化研究
1
2012
... 不同植被指数用于不同地区FPAR估算具有不同的适应性,譬如,NDVI、RVI及DVI更适用于植被覆盖度高地区的FPAR估算[12],而SAVI、OSAVI、MSAVI、EVI等指数由于土壤调整系数的加入,一定程度上去除了土壤对植被光谱特征的影响,更适用于植被覆盖度较低的区域[30].实验综合考虑了不同植被指数在研究区的适应性,选取较常见的14种植被指数用于FPAR估算,结果发现MSAVI能较好地估算湿地植被FPAR,且在泥炭湿地FPAR估算中效果最优,这与植被指数特性及湿地的植被特征相关.实验研究时段为6—9月,此时若尔盖高原湿地处于降水丰沛期,地表存在大量季节性积水,地下水位埋深较非雨季升高0.5 m左右[31],导致部分植被被水体掩盖,区域植被覆盖度降低,而MSAVI能利用土壤调整变量函数,增加植被动态信号范围,在植被覆盖低的区域能进一步减小土壤背景的影响[32],因此在湿地植被FPAR估算中较为适用.不同类型湿地中,泥炭湿地分布有大量泥炭土,植被较为稀疏,植被覆盖度在3类湿地中最低,而沼泽湿地为常年积水区,地表水深较高,植被覆盖度低于湿草甸[33],因此3类湿地中,MSAVI估算FPAR效果为泥炭湿地>沼泽湿地>湿草甸.综合来看,MSAVI在湿地FPAR估算中具有良好的适应性,在对模型参数进行区域性改正后,可以用于其他地区湿地FPAR估算. ...
Uncertainties in FPAR estimation of grass canopies under different stress situations and differences in architecture
1
2010
... 利用植被指数构建FPAR估算模型,方法简单,易于推广,一定程度上克服了由于混合像元导致的区域FPAR反演精度低的问题.然而,在利用植被指数构建FPAR估算模型过程中,实验只考虑了湿地植被生长状况和土壤背景的影响,忽略了不同湿地植被类型及植被指数饱和现象所导致的不确定性[34],这些因素是否会影响湿地植被FPAR模型模拟精度还有待进一步研究.此外,实验采用传统的统计学方法建立FPAR估算模型,受观测时间、地域等因素影响,导致模型的机理解释不强,普适性与外推性仍有一定限制.因此,后期的研究需进一步考虑植被FPAR估算模型的机理,增强FPAR估算的普适性与科学性. ...
Generating long time series of high spatiotemporal resolution FPAR images in the remote sensing trend surface framework
1
2022
... 随着遥感技术的不断发展,新型传感器和高光谱数据加入到植被指数的计算过程中[35-36],经验方法也随之进入新的阶段.为克服单一植被指数在极端条件下的不确定性[16,37-40],可将新型植被指数和多种植被指数结合起来用于估算湿地植被FPAR,提高植被指数估算方法的适用性.此外,遥感数据的尺度问题一定程度上影响湿地植被FPAR产品在区域的应用,因此,发展长时序、高时空分辨率FPAR数据集也是未来湿地植被FPAR估算的重要研究方向. ...
Calibration of Co-Located identical PAR sensors using wireless sensor networks and characterization of the in situ FPAR variability in a tropical dry forest
1
2022
... 随着遥感技术的不断发展,新型传感器和高光谱数据加入到植被指数的计算过程中[35-36],经验方法也随之进入新的阶段.为克服单一植被指数在极端条件下的不确定性[16,37-40],可将新型植被指数和多种植被指数结合起来用于估算湿地植被FPAR,提高植被指数估算方法的适用性.此外,遥感数据的尺度问题一定程度上影响湿地植被FPAR产品在区域的应用,因此,发展长时序、高时空分辨率FPAR数据集也是未来湿地植被FPAR估算的重要研究方向. ...
Comparison of four EVI-based models for estimating gross primary production of maize and soybean croplands and tallgrass prairie under severe drought
1
2015
... 随着遥感技术的不断发展,新型传感器和高光谱数据加入到植被指数的计算过程中[35-36],经验方法也随之进入新的阶段.为克服单一植被指数在极端条件下的不确定性[16,37-40],可将新型植被指数和多种植被指数结合起来用于估算湿地植被FPAR,提高植被指数估算方法的适用性.此外,遥感数据的尺度问题一定程度上影响湿地植被FPAR产品在区域的应用,因此,发展长时序、高时空分辨率FPAR数据集也是未来湿地植被FPAR估算的重要研究方向. ...
Modeled and measured FPAR in a boreal forest: Validation and application of a new model
0
2016
Evaluation of global leaf area index and fraction of absorbed photosynthetically active radiation products over North America using copernicus ground based observations for validation data
0
2020
Alpine grassland FPAR change over the Northern Tibetan Plateau from 2002 to 2011
1
2017
... 随着遥感技术的不断发展,新型传感器和高光谱数据加入到植被指数的计算过程中[35-36],经验方法也随之进入新的阶段.为克服单一植被指数在极端条件下的不确定性[16,37-40],可将新型植被指数和多种植被指数结合起来用于估算湿地植被FPAR,提高植被指数估算方法的适用性.此外,遥感数据的尺度问题一定程度上影响湿地植被FPAR产品在区域的应用,因此,发展长时序、高时空分辨率FPAR数据集也是未来湿地植被FPAR估算的重要研究方向. ...
不同高寒生态系统植物光能利用效率及其环境影响
1
2017
... 若尔盖高原湿地FPAR整体分布较为均匀,低值区域主要位于若尔盖县内的泥炭湿地.在3类湿地中,泥炭湿地FPAR明显低于湿草甸及沼泽湿地,这是由于其土壤特性和群落组成不同.一方面,泥炭湿地常年积水,限制了土壤中有机物的分解,使得泥炭湿地排出CO2较少而储存较多的碳,不利于植被光合作用[41];另一方面,泥炭湿地优势种植物为木里苔草,而沼泽湿地和湿草甸为垂穗披碱草,后者为草地禾本科,具有更高的净光合速率,对光合有效辐射的吸收能力更强[42],因此泥炭湿地FPAR在3类湿地中最低. ...
不同高寒生态系统植物光能利用效率及其环境影响
1
2017
... 若尔盖高原湿地FPAR整体分布较为均匀,低值区域主要位于若尔盖县内的泥炭湿地.在3类湿地中,泥炭湿地FPAR明显低于湿草甸及沼泽湿地,这是由于其土壤特性和群落组成不同.一方面,泥炭湿地常年积水,限制了土壤中有机物的分解,使得泥炭湿地排出CO2较少而储存较多的碳,不利于植被光合作用[41];另一方面,泥炭湿地优势种植物为木里苔草,而沼泽湿地和湿草甸为垂穗披碱草,后者为草地禾本科,具有更高的净光合速率,对光合有效辐射的吸收能力更强[42],因此泥炭湿地FPAR在3类湿地中最低. ...
青藏高原东缘高寒草甸坡向梯度上植物光合生理特征研究
1
2015
... 若尔盖高原湿地FPAR整体分布较为均匀,低值区域主要位于若尔盖县内的泥炭湿地.在3类湿地中,泥炭湿地FPAR明显低于湿草甸及沼泽湿地,这是由于其土壤特性和群落组成不同.一方面,泥炭湿地常年积水,限制了土壤中有机物的分解,使得泥炭湿地排出CO2较少而储存较多的碳,不利于植被光合作用[41];另一方面,泥炭湿地优势种植物为木里苔草,而沼泽湿地和湿草甸为垂穗披碱草,后者为草地禾本科,具有更高的净光合速率,对光合有效辐射的吸收能力更强[42],因此泥炭湿地FPAR在3类湿地中最低. ...
青藏高原东缘高寒草甸坡向梯度上植物光合生理特征研究
1
2015
... 若尔盖高原湿地FPAR整体分布较为均匀,低值区域主要位于若尔盖县内的泥炭湿地.在3类湿地中,泥炭湿地FPAR明显低于湿草甸及沼泽湿地,这是由于其土壤特性和群落组成不同.一方面,泥炭湿地常年积水,限制了土壤中有机物的分解,使得泥炭湿地排出CO2较少而储存较多的碳,不利于植被光合作用[41];另一方面,泥炭湿地优势种植物为木里苔草,而沼泽湿地和湿草甸为垂穗披碱草,后者为草地禾本科,具有更高的净光合速率,对光合有效辐射的吸收能力更强[42],因此泥炭湿地FPAR在3类湿地中最低. ...
秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应
1
2018
... 生长季期间,随着时间变化,若尔盖高原3类湿地FPAR均呈现出先增加后降低的趋势,这与该区域太阳辐射、气温、降水的月度变化有很高的相关性[43].6—7月,若尔盖高原湿地太阳辐射增强,到达植被冠层的光合有效辐射增加,同时,适宜的气温及降水使得湿地植被具备良好的光合反应条件,植被的光合能力提升,FPAR逐渐增大[44].7月为当地高温时段,太阳辐射达到最强,地表径流和降水集中于此时,良好的环境条件使得若尔盖湿地植被处于生长最佳时期,FPAR为全年最高值,基本都在0.6以上.9月若尔盖高原进入秋季,气温下降、降水减少、太阳辐射逐步降低,该区域植被逐渐枯黄,FPAR值较7、8月明显降低. ...
秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应
1
2018
... 生长季期间,随着时间变化,若尔盖高原3类湿地FPAR均呈现出先增加后降低的趋势,这与该区域太阳辐射、气温、降水的月度变化有很高的相关性[43].6—7月,若尔盖高原湿地太阳辐射增强,到达植被冠层的光合有效辐射增加,同时,适宜的气温及降水使得湿地植被具备良好的光合反应条件,植被的光合能力提升,FPAR逐渐增大[44].7月为当地高温时段,太阳辐射达到最强,地表径流和降水集中于此时,良好的环境条件使得若尔盖湿地植被处于生长最佳时期,FPAR为全年最高值,基本都在0.6以上.9月若尔盖高原进入秋季,气温下降、降水减少、太阳辐射逐步降低,该区域植被逐渐枯黄,FPAR值较7、8月明显降低. ...
大气可降水量卫星遥感反演不确定性对太阳总辐射模拟的影响
1
2016
... 生长季期间,随着时间变化,若尔盖高原3类湿地FPAR均呈现出先增加后降低的趋势,这与该区域太阳辐射、气温、降水的月度变化有很高的相关性[43].6—7月,若尔盖高原湿地太阳辐射增强,到达植被冠层的光合有效辐射增加,同时,适宜的气温及降水使得湿地植被具备良好的光合反应条件,植被的光合能力提升,FPAR逐渐增大[44].7月为当地高温时段,太阳辐射达到最强,地表径流和降水集中于此时,良好的环境条件使得若尔盖湿地植被处于生长最佳时期,FPAR为全年最高值,基本都在0.6以上.9月若尔盖高原进入秋季,气温下降、降水减少、太阳辐射逐步降低,该区域植被逐渐枯黄,FPAR值较7、8月明显降低. ...
大气可降水量卫星遥感反演不确定性对太阳总辐射模拟的影响
1
2016
... 生长季期间,随着时间变化,若尔盖高原3类湿地FPAR均呈现出先增加后降低的趋势,这与该区域太阳辐射、气温、降水的月度变化有很高的相关性[43].6—7月,若尔盖高原湿地太阳辐射增强,到达植被冠层的光合有效辐射增加,同时,适宜的气温及降水使得湿地植被具备良好的光合反应条件,植被的光合能力提升,FPAR逐渐增大[44].7月为当地高温时段,太阳辐射达到最强,地表径流和降水集中于此时,良好的环境条件使得若尔盖湿地植被处于生长最佳时期,FPAR为全年最高值,基本都在0.6以上.9月若尔盖高原进入秋季,气温下降、降水减少、太阳辐射逐步降低,该区域植被逐渐枯黄,FPAR值较7、8月明显降低. ...