基于植被指数的四川理塘县草地生物量反演

合集下载

基于地表温度-植被指数特征空间的土壤干旱监测

基于地表温度-植被指数特征空间的土壤干旱监测

基于地表温度-植被指数特征空间的土壤干旱监测李润林;董鹏程;王瑜;汪晓斌【摘要】以张掖市甘州区绿洲为研究区,采用5期遥感影像(2011~2015年),运用ENVI 5.2提取归一化植被指数(NDVI)、改进型土壤调节植被指数(MSAVI)和地表温度(Ts),构建Ts-NDV I和Ts-MSAVI特征空间,对比分析两种特征空间.结果表明,Ts-MSAVI特征空间的干边和湿边斜率均小于0,这与前人的研究干边斜率是负值,湿边斜率是正值的结论有所不同.Ts-NDVI和Ts-MSAVI这两种特征空间具有相同的趋势,其中2012、2013、2014年这3年两种特征空间系数r2较高,其余2年系数r2较低.整体而言,Ts-NDV I特征空间的干湿边系数相比Ts-MSAVI特征空间的干湿边系数要高,稳定性好.从TV DI旱情等级分布图上可以得出2012年的受旱面积最大,干旱和重旱面积占总面积的70.39%,2013年干旱情况最严重,重干旱面积为1611.972 km2,重旱面积占到总面积的43.5%,2014年干旱程度开始缓解,轻旱、干旱和重旱面积开始降低,湿润和正常面积开始增加,2015年干旱程度得到全面缓解,湿润和正常面积占到总面积的21.9%,但是干旱和重旱面积比重依然很大,说明张掖市甘州区绿洲旱情依然很严峻.%Selecting oasis of Ganzhou district as the study area in Zhangye city,using ENVI 5.2 software to extact normalized difference vegetation(NDVI),modified soil adjusted vegetation index(MSAVI)and temperature of surface(Ts),Ts-NDVI feature space and Ts-MSAVI feature space were built. The two feature spaces were compared and analyzed. The results showed that the slope of dry-edge and wet-edge of Ts-MSAVI feature space was less than 0,which was not consistent with the previous research. The previous research thinked the dry-edge slope was negative and the wet edge slope was positive. The feature space of Ts-NDVI and Ts-MSAVI had the same trend. The r2 coefficient of two feature spaces was higher in the three years of 2012,2013 and 2013,and the r2 coefficient of the other two years was lower. On the whole,the wet-edge coefficient of the Ts-NDVI feature space was higher than that of the Ts-MSAVI feature space,and the stability was good. From the TV DI drought severity map,it could be concluded that the drought area was the largest in 2012,the drought and heavy drought area accounted for 70.39% of the total area. In 2013,the drought was the most serious,the area of heavy drought was 1611.972 km2,the area of heavy drought occupied 43.5% of the total area and the degree of drought in 2014 was lightened. And heavy drought area began to decrease,wet and normal area began to increase. In 2015,the degree of drought had been fully relieved, wet and normal area accounted for 21.9% of the total area. But the proportion of drought and heavy drought area was still great, indicating that the drought of Ganzhou district oasis in Zhangye city was still very serious.【期刊名称】《湖北农业科学》【年(卷),期】2017(056)016【总页数】7页(P3060-3066)【关键词】干旱;归一化植被指数(TVDI);改进型土壤调节植被指数(MSAVI);地表温度;张掖市甘州区【作者】李润林;董鹏程;王瑜;汪晓斌【作者单位】农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050【正文语种】中文【中图分类】TP79;X43干旱是世界上许多重大自然灾害之一,在各种自然灾害中,旱灾对农业生产的影响最大。

植被指数在典型草原生物量遥感估测应用中的问题探讨

植被指数在典型草原生物量遥感估测应用中的问题探讨

元线性 模 型和指 数模 型之 间是否存 在某 种趋 势 。通 过 对 以上 3个 问题 的探 讨 , 方 面尝 试 阐述 估 产模 型 差 异 一 的可能 原 因—— 生 物量 范 围差 异 ; 另一 方面为 以后草 地生 物量遥 感估测 提 供技术上 的理 论依 据及方 法指 导 。
1 材 料 与 方 法
合 有效 生 物量 的变 化 比较敏 感 , 此后植 被 指数 就被 广泛 应用 于生 物量 的遥感 估 测 , 至今 已发 展 了 4 种 植 被 指 0余
数 , 中应 用 最为广 泛 的是 NDVI 。虽 然大 多数 植 被 指数 都 可 应 用 于遥 感 估 产 , 不 同环 境 下 的效 果 存在 其 _ 2 但 争 论 _ o, 今 尚未 明确各 种植 被指 数 问的相 互关 系及 其适 用 范 围 。 2 ]至 3
地 。最 后 , 与建模 的样 方共 有 6 参 0个 。 在遥 感数 据方 面 , 了与 地面调 查数 据在 时间上 匹配 , 为 购置 了 2 0 0 5年 8月 1 5日的 陆地卫 星 ( a d a5 TM) L n st ,
数 字 图像 。利 用 P I C 软件对 影像 进行 大气校 正 、 何校 正后 , 算各 植被 指数 的值 , 利用 各样 地记 录 的 GP 几 计 并 S定
能地 避免 非典 型草 原景 观 的干 扰 , 除 了一 些 靠 近农 剔
田或 者小 叶锦鸡 儿 ( a a a ami o h l ) C rg n c p yi 斑块 的样 r a
图 1 研 究 区地 理 位 置 及 样 点 分 布 图
Fi . Th o a i n f s ud r a a d a pls g1 e l c to o t y a e n s m e

遥感技术毕业论文文献

遥感技术毕业论文文献

遥感技术毕业论文文献分享一点自己关于论文写作的心得吧,其实论文只要肯花时间,从题目、提纲入手多修改应该不难的。

要是有时间,多看看高手的,之前师兄介绍的莫文网,上面有很多我们专业的老师,都不错的,很耐心。

也有同学直接让他们写的,质量还不错。

关键的一点,切忌不可抄袭哦!遥感技术毕业论文文献:多时相热红外遥感技术在电路板元件故障判定中的应用城市热岛效应成因的研究与分析利用高分辨率遥感影像进行1:1万土地利用现状信息更新的研究以台州椒江区为例潮白河湿地功能变化分析及环境保护对策研究基于遥感和GIS技术的淮安市土地利用变化研究基于环境减灾卫星的土地利用遥感监测研究基于三维GIS技术的地震灾情场景模拟系统近二十年来梁子湖菰群落动态变化的遥感应用研究3S技术在达县土地利用/覆被动态监测中的应用研究3S技术在四川省生态环境动态监测中的应用西南农牧交错带生态环境遥感现状调查与质量评价进贤县建设用地变化遥感监测研究基于RS的大庆市土壤盐渍化监测动态分析卫星遥感监测渤海辽东湾海冰变化规律的研究怒江流域泸水地区地质灾害评价的遥感技术应用太湖地区地质构造的遥感技术分析遥感技术在太原西山煤田地质灾害调查中的应用航测遥感技术在内蒙古滕格尔坳陷可地浸砂岩型铀矿勘查中的应用研究基于地物波谱数据库的分类识别研究基于遥感技术的湖泊叶绿素a动态监测及改善空间制图详度的研究IKONOS影像在城市绿地信息提取中的应用基于遥感影像的土地利用动态变化监测与预测模型研究理塘草地退化及遥感生物量监测模型研究长清县土地资源生产力、生产潜力及耕地增产潜力评价研究区域生态系统服务功能重要性研究基于国产卫星的浙江省环杭州湾地区城市建成区扩展宏观监测塔里木河流域生态环境遥感监测研究基于混合智能模型的湿地资源遥感监测技术研究森林植物多样性遥感监测应用研究基于人工神经网络的遥感影像模式分类研究遥感震害指数与地面调查震害指数关系的定量研究基于遥感数据的乌梁素海水质参数及湿地演化反演研究吉林省西部土地盐碱化的遥感监测基于神经网络的遥感影像识别不同区域湿地信息提取的遥感技术应用研究利用MODIS遥感技术监测浙江省森林火燃料湿度的时空动态基于高光谱遥感技术的变量施肥算法及机理研究遥感技术应用于土壤盐渍化动态监测基于高光谱遥感技术的作物营养诊断初步研究热红外遥感技术在亚东格尔木锡铁山热环境中的应用基于遥感技术的若尔盖高原地区湿地生态系统健康评价地理信息系统和遥感技术应用于肾综合征出血热流行病学研究遥感技术在水文地质勘察中的应用基于遥感信息的流域生态系统健康评价基于RS的地震灾害生态环境影响评价南京市溧水县稻田土壤全氮的遥感估测基于遥感和GIS的土地适宜性评价研究利用归一化植被指数评价酿酒葡萄地块内生长势差异性汶川地震区地质灾害易发性快速区划与制图东亚飞蝗生境的遥感分类研究。

基于遥感和无人机数据的草地NDVI影响因子多尺度分析

基于遥感和无人机数据的草地NDVI影响因子多尺度分析

基于遥感和无人机数据的草地NDVI影响因子多尺度分析潘影; 张燕杰; 武俊喜; 张宪洲; 余成群【期刊名称】《《草地学报》》【年(卷),期】2019(027)006【总页数】8页(P1766-1773)【关键词】西藏; 无人机; 遥感; 植被指数; 多尺度【作者】潘影; 张燕杰; 武俊喜; 张宪洲; 余成群【作者单位】中国科学院地理科学与资源研究所北京100101; 大理大学农学与生物科学学院大理671003; 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室北京100101【正文语种】中文【中图分类】S812.3植被是生态系统中最重要的组成部分,联系着土壤、大气等圈层,影响着生态系统中养分、水分以及碳循环等生态过程;同时,植被能够减弱风力和水力对土壤的侵蚀,很大程度上决定着防风固沙、土壤保持等生态系统服务[1];植被能够改变地表反照率和蒸散发,从而影响局地、区域气候,提供气候调节服务[2,3];植被也是生态系统中重要的碳库,影响着碳固定和碳吸收等生态系统功能[4]。

因此,对植被进行空间上的监测并分析植被变化驱动因子,对了解生态环境现状和理解不同驱动力下的生态过程有很大的促进作用。

归一化植被指数(Normalized Difference Vegetation Index,NDVI)是反映植被生长状态和生产力的定量指标。

由于遥感技术的兴起与成熟,各种植被指数都被用来反映植被状况,其中NDVI是被应用最广泛的植被指数之一[5,6]。

NDVI是基于多光谱遥感影像中的红光波段和近红外波段计算得出,可直接反映植被的茂密程度,同时也与一些植物生物物理参数如净初级生产力(Net primary production,NPP)、叶面积指数(Leaf area index,LAI)等相关联[7]。

由于红光通道的易饱和性以及算法上的局限等因素,NDVI指数在高植被覆盖区容易饱和;即随着植被茂密程度增加,NDVI却无法同步增长[7]。

三江源区高寒草地地上生物量遥感反演模型的建立中期报告

三江源区高寒草地地上生物量遥感反演模型的建立中期报告

三江源区高寒草地地上生物量遥感反演模型的建立
中期报告
本研究旨在建立三江源区高寒草地地上生物量(AGB)遥感反演模型。

针对该区环境特点和遥感数据所存在的问题,选取MODIS和Landsat TM遥感数据进行精度评估,选择了多种地面因子数据进行模型构建。

本文介绍了研究的中期进展,包括数据处理和分析结果。

第一部分介绍了数据的采集和处理。

选择了2013年的MODIS NDVI 和Landsat TM数据,并进行了预处理,包括云去除和空间分割。

同时,采集了地面野外调查数据,包括AGB和地面因子数据(如高程、气候数据、土壤类型等)。

第二部分主要讲述了模型的构建。

我们首先选择了单变量线性回归模型,分别使用了NDVI、植被指数(VI)和地面因子数据进行建模,并通过残差分析和验证数据的平均误差检验模型效果。

然后,结合多元线性回归模型进行拟合,进一步探究与AGB和地面因子的相关性,优化预测方程模型。

第三部分介绍了模型的精度评估。

我们使用2017年的MODIS和Landsat TM数据进行了交叉验证,并对预测模型的误差进行分析。

结果表明,因为野外调查数据的缺失,模型精度得到了一定的限制,并存在一定的空间异质性。

综上,本研究基于NDVI和地面因子数据,通过单变量和多元线性回归模型建立了高寒草地AGB的遥感反演模型,为该区域的生态环境评价提供了一定的参考依据。

未来的研究会更加完善数据集,提高精度评估水平,进一步优化模型以提高精度。

《2024年内蒙古典型草原植被地上生物量遥感反演》范文

《2024年内蒙古典型草原植被地上生物量遥感反演》范文

《内蒙古典型草原植被地上生物量遥感反演》篇一一、引言内蒙古作为我国重要的草原生态系统,其植被地上生物量的研究对于理解草原生态系统的功能、动态变化以及应对气候变化具有重要意义。

随着遥感技术的不断发展,利用遥感数据进行植被地上生物量的反演已经成为一个重要的研究领域。

本文旨在探讨内蒙古典型草原植被地上生物量的遥感反演方法,为草原生态系统的保护和管理提供科学依据。

二、研究区域与数据本研究区域选择内蒙古典型草原地区,该地区具有丰富的草原资源和独特的生态环境。

研究数据主要包括遥感数据和地面实测数据。

遥感数据包括多时相、多光谱的卫星遥感数据和无人机遥感数据,地面实测数据包括植被类型、地上生物量等。

三、遥感反演方法(一)遥感数据预处理首先,对遥感数据进行预处理,包括辐射定标、大气校正、图像增强等步骤,以提高数据的信噪比和清晰度。

(二)植被指数计算选取合适的植被指数,如归一化植被指数(NDVI)、增强型植被指数(EVI)等,进行计算和分析。

这些植被指数能够反映植被的生长状况和生态系统的健康程度。

(三)生物量反演模型构建根据地面实测数据和遥感数据,构建生物量反演模型。

模型采用多元线性回归、神经网络等方法,通过分析植被指数与地上生物量的关系,建立反演模型。

(四)模型验证与优化利用独立样本对模型进行验证和优化,通过比较模型预测值与实际值的差异,对模型进行修正和优化,提高模型的精度和可靠性。

四、结果与分析(一)反演结果通过遥感反演方法,得到了内蒙古典型草原地区不同时相的地上生物量分布图。

结果表明,草原地上生物量在不同季节和不同地区存在显著差异。

(二)结果分析对反演结果进行分析,探讨了草原地上生物量与气候、土壤、人为活动等因素的关系。

结果表明,气候因素对草原地上生物量的影响最为显著,同时,人为活动也会对草原生态系统造成一定影响。

此外,不同植被类型的地上生物量也存在差异。

五、讨论与结论(一)讨论本研究存在一定局限性,如遥感数据的分辨率、大气校正的准确性等因素可能影响反演结果的精度。

基于红光和近红外反射光谱特征参数反演草地地上生物量

基于红光和近红外反射光谱特征参数反演草地地上生物量

基于红光和近红外反射光谱特征参数反演草地地上生物量罗媛;谢堂民;龙显静;冯树林;陈功【摘要】From June to October 2013,the mixed pasture (Pennisetum clandestinum and Trifolium repens ) was selected to estimate the aboveground biomass through building the estimating model by measuring the cano-py spectral reflectance of the pasture and analyzing the relationship between biomass and reflectance of special wavelengths,red edge parameter and vegetation indices.Results showed that there were significant relationships between spectral reflectance in red band and pasture aboveground biomass.Reflectance at red valley could be significantly decreased and reflectance at 850.0 nm could be significantly increased by increased biomass from June 1 1 to October 12.Reflectance of red band and vegetation index RVI as well as vegetation index NDVI could be used for estimating pasture fresh forage and dry matter yield,but the most suitable vegetative indices varied with the season and forage yield.RVI was better used in June and NDVI was better in October.%2013年6~10月测定东非狼尾草+白三叶混播草地冠层反射光谱和地上生物量;分析红光波段和近红外波段反射光谱特征参数与牧草鲜重及干物质之间的相关关系;构建并检验基于红光单波段和植被指数(NDVI 、RVI 、DVI )反演草地地上生物量回归模型。

川西高原植被NDVI变化研究

川西高原植被NDVI变化研究

地球科学与环境工程河南科技Henan Science and Technology总第807期第13期2023年7月收稿日期:2023-03-23基金项目:国家级大学生创新创业训练计划项目(202110628028);沱江流域高质量发展研究中心项目(TJGZL2020-06;TJGZL2022-15)。

作者简介:程博(2002—),男,本科生,研究方向:环境科学。

通信作者:姚昆(1991—),男,硕士,讲师,研究方向:生态遥感。

川西高原植被NDVI 变化研究程博周显洋姚昆的的克牛喻磊樊骁(西昌学院资源与环境学院,四川西昌615000)摘要:【目的】为较全面掌握川西高原植被NDVI 动态变化及驱动因素。

【方法】以MODIS-NDVI 为基础数据,借助Sen+MK 和地理探测器模型对其2000—2020年变化规律展开探讨。

【结果】①川西高原植被NDVI 整体呈现自西南向东北方向倾斜,植被NDVI 数值整体相对更高;②近20年,全域植被NDVI 数值无显著变化趋势的地区全域面积占比约75%;③高程、年平均气温和土壤类型主导了川西高原植被NDVI 的空间布局,解释力在35%以上。

【结论】川西高原近20年植被整体生长状态良好,自然因素对其植被空间布局的影响显著。

关键词:植被NDVI ;地理探测器;川西高原中图分类号:Q948文献标志码:A文章编号:1003-5168(2023)13-0094-05DOI :10.19968/ki.hnkj.1003-5168.2023.13.019Study on NDVI Changes of Vegetation in Western Sichuan PlateauCHENG BoZHOU Xianyang YAO Kun DIDI Keniu YU Lei FAN Xiao(School of Resources and Environment,Xichang University,Xichang 615000,China )Abstract:[Purposes ]This paper aims to comprehensively understand the NDVI dynamic changes anddriving factors of vegetation in the western Sichuan plateau.[Methods ]This study conducted a discus⁃sion on its change rules from 2000to 2020based on MODIS-NDVI data,using Sen+MK and geographic detector models.[Findings ]The results are as follows:①The NDVI values of vegetation on the western Sichuan plateau as a whole show a slope from southwest to northeast,and the NDVI values of vegetation are relatively higher as a whole;②In the past 20years,the area with no significant change trend in NDVI values of vegetation throughout the region accounts for about 75%;③Elevation,annual average temperature,and soil type are the dominant factors affecting the NDVI spatial layout of vegetation in the study area,with an explanatory power of over 35%.[Conclusions ]The overall growth of vegetation on the western Sichuan plateau in the past 20years is good,and natural factors have a significant impact onits spatial layout of vegetation.Keywords:vegetation NDVI;geographic detectors;western sichuan plateau0引言植被是陆地生态系统的重要组成部分之一,是实现土壤、大气和能量进行物质交换的重要“纽带”[1-2]。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

TM 大气辐射校正
9 6S计算类型 两种计算类型:正演和反演。 正演即输入地表反射率和大气参数,估算传感器理论上 接收到的反射率值,为仿真; 反演即输入传感器接收到的实际大气顶层表观反射率值 和大气参数,反演地表反射率,即大气校正。 最终的校正结果以表格形式给出一系列吸收气体的下行、 上行吸收和气溶胶散射、瑞利散射的下行、上行散射。 除地表反射率值之外,还包括Xa,Xb,Xc三个校正系数: y=Xa*L-Xb acr=y/(1.+Xc*y) 其中L为传感器测量到的辐亮度,acr为大气校正后的反 射率值。 在精度要求较低,或是大气条件和下垫面变化不大的 情况下,即可利用上式对整个区域进行大气校正。
ESUN 为太阳常数,单位:W/(m2· sr· μm) θs为太阳天顶角,注意是太阳高度角的余角;
TM
D 为日地距离,可查询天文历;
亦可取1,误差<5% ; L 为入瞳处辐亮度。
6S辐射传输模型输入参数 几何条件 大气模式
气溶胶模式
气溶胶浓度 地物海拔高程 传感器高程 光谱条件 地表反射率 6S辐射传输模型
样方分布
样方数据 共调研39个样方的生物量与覆盖度,如表1所示。 草地生物量(鲜草重)集中在180~250g/m2范围。 植被覆盖度主要在45一55%范围内,草地生物量与覆盖度总体情 况偏低,这是由于调查时间为9月份,属牧草生长的中晚期。
表1 调查样方地上生物量表
3
影像数据及处理
影像数据
采用该区域2005年9月10日TM影像资料(Landsat5),晴天, 云量小于5%,轨道号为132/039,空间分辨30mx30m。 获取的TM资料在4,3,2波段组合下,植被信息显示良好。
总体技术路线
2
生物量野外采样
样方设置原则
选择样方尽可能的代表整个区域的植被生长状况,在考虑 交通的便利性的同时,样方尽可能设在不同的地貌类型上, 以充分反映不同地势、地形条件下植被生长状况。 采用路线调查法和GPS地理定位。 样方分布于具有典型代表性的草地类型或草地利用变化的 地段
采样方法
用GPS(精度为5米)定位样地,保证实测样地地理位置的准 确性。 野外采样时间为2007年9月9日—9月12日,与TM数据摄影 时间(9月10日)保持同步。 实地调查了39个样地,每个样地为l00mx100m。根据TM影 像像元为30mx30m的特点,在每个样地中选择典型的1个样 (1mxlm),采用收获法,以鲜草重作为样方的草地生物量数 据。
TM 大气辐射校正
TM 大气辐射校正
5 地物海拔高程 由于6S考虑到地物高程对大气散射的影响,因此需要输入 地物的高程信息来修正大气廓线中已经设定好的参数信息来 提高精度。 如:武汉地区的海拔高程一般在30m左右。
6 传感器高程 6S的应用范围已经被扩展到航空遥感影像,因此可以根 据航飞的高度输入传感器高程。 也可以设定为地面传感器和标准的星载传感器。 传感器高程设为-1000,表示星载传感器。
TM 大气辐射校正
几何校正
植被指数选取
根据TM数据特性与区域实际情况,选择了7种植被指数,对这7 种植被指数的来源与特点介绍如下:
植被指数计算
TM影像植被指数的提取是在ENVI4.3与Arcinfo9.l三个软件平台下 进行的,提取总流程为: a) 在ENVI4.3软件中分别提取NDVI、RVI、DVI、SAVI、MASVI、PVI 和GVI7种植被指数,结果如图,并在ENV14.3中,分别把灰度图 像保存为TIFF; b) 转入Arcinfo9.1把TIFF转为GRID,再调入样方坐标数据 (Shpfiles),利用Arcinfo空间分析功能,从栅格影像图上提取 样方的植被指数属性数据,从而最终获取了调查样方的植被指 数值(表2)。
(地表反射率)
TM 大气辐射校正
TM 大气辐射校正
1.几何条件 (1)预设:GEOS、Landsat、AVHRR、SPOT卫星,输入月日、 过境标准时间、经纬度(南半球、西半球的经纬度为负值)等
(2)自定义:直接输入太阳天顶角太阳方位角观测天顶角和 观测方位角。
几何条件预设值取0表示自定义,根据卫星数据头文件中提 供的太阳高度角、太阳方位角和观测方位角输入。 由于一般卫星均为星下点观测,因此如果数据头文件中没 有特别告知,观测方位角一般可设为0。
TM植被指数灰度图
图 1 TM影像植被指数灰度图像
样方植被指数值
表 2 调查样方的植被指数值
4
植被指数与生物量相关分析
数据选取
本研究对实测生物量数据与植被指数值数据进行抽样。 抽样方式为分类抽样,是把随机抽样与统计分组结合在一 起的一种抽样方式。 先在39个样方数据中依据生物量样方数据进行分组,再在 各组随机抽样。 选取27个样方数据(见表3)进行相关分析。 剩余12个样方数据用于接下来的回归方程检验。
地貌、气候 地貌: 地貌类型为高原、高山与极高山,海拔2680—6240m,平均海拔 约4500m。 气候: 属青藏高原亚寒带季风气候,半湿润易干旱。气候的垂直变化明 显,雨季集中在6—9月,冬春多旱。 年平均温度3.1℃。 年均降水量722.5毫米左右,年均相对湿度57%,年均蒸发量为 1593.6毫米。
i 1 2 i i 1
n
n
样本相关系数r随着取样的不同会有所变化,受抽样误差的影响, 因此总体的相关系数需要经过正式的假设检验,才能做出比较可靠 的结论。
假设检验——t检验法
假定总体变量(X,Y)服从二元正态分布 N ( X , Y , X , Y , )
( X1, Y1 ),, ( X n , Yn ) 是来自该总体的一个随机样本。
根据成像时间设为中纬度夏季大气,也可以设为US62标准大气 廓线。
TM 大气辐射校正
3 气溶胶模式 (1)预设:7种标准气溶胶模式——无气溶胶、大陆型、城市 型、海洋表面型、废弃地区模型、生物燃烧模型和同温层模型; (2)自定义:气溶胶的组分或是分配函数、光线折射率等设定 气溶胶模式。
设为大陆型气溶胶。 4 气溶胶浓度 输入能见度或是550nm处的气溶胶光学厚度。 当输入能见度时,气溶胶的光学厚度通过一个标准的气溶胶廓 线来计算。当能见度小于5公里时,6S的计算结果误差较大。 取0,表示不输入大气能见度,而是由MOD04数据读取550nm气溶 胶光学厚度。该数据拉伸系数为1000,负数表示由邻近像元内插 获得,输入6S时需要除以1000,并取绝对值。
要检验的假设为
H0 : 0
H1 : 0
检验统计量为t,服从自由度为n-2的t分布
表3
散点图 为了进一步分析数据之间的内在联系(线性关系或非线性关系),建 立了植被指数与草地生物量关系的散点图。
可见,草地生物量大致 随植被指数的增加而增 大,二者存在明显的相 关性。 不能看出到底成线性还 是非线性关系 也不明确哪种数学方程 最能表达两者的关系。
相关性变量
相关分析是研究两个或两个以上随机变量之间相互依存关系的 方向和密切程度的方法,直线相关用相关系数来表示,曲线相 关用相关指数来表示,多元相关用复相关系数表示。 设二维随机变量有二元分布(X,Y),它可以视为总体;
相关系数的取值范围为一1≤R≤1,正值表示正相关,负值表示负 相关,绝对值的大小表示相关程度的高低。 当R=0时,回归变差为0,自变量的变动对总变差无影响,称为零 相关。 当|R|=1时,回归变差等于总变差,总变差的变化完全由自变量X 的变化引起,称为完全相关,自变量X与因变量Y的关系转化为确定 的函数关系。 当0<|R|<1时,自变量X的变动对总变差有部分影响,称为普通相 关。R的绝对值愈大,表示相关程度愈高。 当|R|≥0.8,|R2|≥0.64时,自变量x的变动对总变差的影响达到 一半以上,称为高度相关; 当|R|<0.3,|R2|<0.09时,自变量X的变动对总变差的影响少于9%, 称为低度相关; 当0.3<|R|<0.8时,自变量X的变动对总变差的影响程度在9%-64% 之间,称为中度相关。
TM 大气辐射校正
7 光谱条件 (1)预设:可以选取已经设定好的各个卫星波段。 (2)自定义:波段范围、波长、滤波函数。 光谱条件取0为自定义,按各传感器波段上下限的设置输入。 8 地表反射率 均匀地表、非均匀地表。
第一个参数0为假设地表为朗伯体;1则考虑BRDF参数,后 续需要定义对应的中心地物类型和环绕地物类型等。
它们独立且和总体(X,Y)的分布相同,则变量X和Y间的相关系数ρ, 可以由样本通过进行估计:
其中统计量R是随机变量(相关系数ρ本质上是常量),它是ρ的一 致估计量(相合估计量)和渐进无偏估计量,称为样本相关系数或 Pearson相关系数。上式可以化为
该公式看上去复杂,但由于没有了“积差”,计算要简便得多。
Cov( X , Y ) Corr( X , Y ) Var ( X ) Var (Y )
称为相关系数或总体相关系数,常简记为ρ或ρXY 其中 Cov( X , Y ) E[( X E ( X ))(Y E(Y ))] 为协方差。
实际问题中,往往是从总体中随机地抽取容量为n的样本
( X1, Y1 ),, ( X n , Yn )
TM 大气辐射校正
2 大气模式 (1)预设:7种标准模式的大气——无气体吸收模式、热带地 区、中纬度夏季、中纬度冬季、亚寒带夏季、亚寒带冬季和美国 US62标准大气廓线;
(2)自定义:34层大气模式,海拔高度从0-25km每1km一个值, 从25-50km每5km一个值,在70km和100km处各一个值,所以可以选 择输入34*5个不同的值;或输入水蒸气和臭氧自定义。
草地植被
理塘县草地以高山草甸草地、高山灌丛草甸草地与高寒草丘沼泽草 地为主; 高山草地主要生长着高山篙草、四川篙草、羊茅、垂穗披碱草等;
高山灌丛草甸草地主要植被除了草本植物外有理塘杜鹃、毛喉杜鹃、 香柏、小叶金腊梅、川西锦鸡儿、西藏沙棘、细枝忍冬等; 高寒草丘沼泽草地主要有黑花苔草、灯心草、甘肃篙草、矮篙草、 藏篙草、发草、以及沙棘和高山柳等湿生植物,是沼泽与草甸的过 渡植物。
相关文档
最新文档