《表2 植被指数及计算公式》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《无人机影像反演玉米冠层LAI和叶绿素含量的参数确定》
注:ρnir为近红外波段反射率,该波段的中心波长为790 nm;ρrededge为红边波段反射率,该波段的中心波长为735 nm;ρred为红波段反射率,该波段的中心波长为660 nm;ρgree为绿波段反射率,该波段的中心波长为550 nm。
植被指数的实质是将复杂的多光谱影像简化为一个特征变量,用来预测和评估植被特性。Daughtry等提出一个给定的光谱指数对于估计植被冠层叶绿素含量和LAI可能有不同的敏感性[22]。目前最简单、应用最广泛的植被指数之一是由Rouse等[23]在1973年提出的归一化植被指数(Normalized Difference Vegetation Index,NDVI)。由于叶片反射近红外(NIR)波段不受叶绿素含量变化的影响,而红色波段由于叶绿素的强烈吸收而受到最小影响,使用近红和红色的NIR-red光谱指数通常更能估计LAI[24-25],因此本文首先选用NDVI指数。与红波段相比,绿波段更容易受到叶绿素含量差异的影响[26-27];因此,NIR-green光谱指数对叶绿素含量变化的敏感度应该高于NIR-red指数[28-29]。并且NIR-green光谱指数也对LAI变化很敏感[30-31],所以本文基于绿波段建立了GCI(grassland chlorophyll index)植被指数。玉米叶片中叶绿素对红光波段的强烈吸收,及对近红外波段的多次散射,通常在680~760 nm之间形成陡而直的斜边,称其为红边,多项研究[32-33]表明,红边波段对LAI和叶绿素含量变化非常敏感。因此本研究基于红边波段建立了RVI、NDIrer和NDIreg3个植被指数(见表2)。
图表编号 | XD00204349800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 苏伟、王伟、刘哲、张明政、边大红、崔彦宏、黄健熙 |
绘制单位 | 中国农业大学土地科学与技术学院、农业部农业灾害遥感重点实验室、中国农业大学土地科学与技术学院、农业部农业灾害遥感重点实验室、中国农业大学土地科学与技术学院、农业部农业灾害遥感重点实验室、中国农业大学土地科学与技术学院、农业部农业灾害遥感重点实验室、河北农业大学农学院、河北农业大学农学院、中国农业大学土地科学与技术学院、农业部农业灾害遥感重点实验室 |
更多格式 | 高清、无水印(增值服务) |