《表3 APAR与植被指数的模拟模型》

  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

《花生冠层APAR和FAPAR高光谱遥感估测模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表3所示：分别将6种植被指数与APAR作Pearson相关性分析，得出每种植被指数与APAR相关性最大的敏感组合波段，均达极显著（P<0.01），相关性由大到小依次为RVI[718，761]（r=0.7879）、MSAVI[723，761](r=0.7699）、RDVI[723，761](r=0.7697）、DVI[730，761](r=0.7469）、NDVI[718，761](r=0.6659）和PVI[700，772](r=0.6358），与APAR的相关性均非常好。利用这6种植被指数分别与APAR建立估测模型和检验模型，除PVI[700，772]与APAR只能建立指数、一元线性和多项式3种估测方程外，其余5种植被指数与APAR均能建立5种估测方程，所建立的估测方程的拟合系数均较高（R≥0.6582，P<0.01），APAR的实测值和模拟值的偏离程度RE均较小，最终选择拟合系数R最大、平均相对误差RE相对较小的MSAVI[723，761]与APAR所建立的对数函数y=1554ln（x）+1631(R=0.7566，P<0.01；RE=0.0870）作为花生冠层APAR的高光谱遥感估测模型。由此可见，所建立的植被指数均能较好地估测花生冠层APAR，且对于花生这种植株矮小的作物，修改土壤调整植被指数MSAVI能在一定程度上消除土壤等背景因素的影响（如图6A）。