《表4 FAPAR与植被指数的相关模拟模型》

  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4所示：分别将6种植被指数与FAPAR作Pearson相关性分析，得出每种植被指数与FAPAR相关性最大的敏感组合波段，RDVI[731，764]、PVI[705，811]和DVI[760，958]与FAPA达极显著（r=0.7149、r=0.5718、r=-0.4011，P<0.01)，RVI[744，763]、NDVI[744，761]与FAPAR的相关性显著（r=0.2211、r=0.2025，P<0.05)，MSAVI[760，958]与FAPAR不相关（r=0.0447，P≥0.05），因此不能用MSAVI对FAPAR进行估算。DVI[760，958]、NDVI[744，761]和PVI[705，811]与FAPAR只能建立指数、一元线性和多项式3种估测方程，RVI[744，763]、RD‐VI[731，764]与FAPAR可以建立5种估测方程，植被指数与FAPAR所建立的估测方程的拟合系数小于与APAR所建立的估测方程的拟合系数，可见植被指数对APAR的估算效果整体要比对FAPAR的估算效果好很多。最终选择拟合系数R相对较大、平均相对误差RE较小，且与FAPA的相关性达极显著的RDVI[731，764]与FAPAR建立的多项式函数y=1.027x2+0.713x+0.729 (R=0.6194，P<0.01；RE=0.0699）作为花生冠层FAPAR的高光谱遥感估测模型。可见复归一化差值植被指数RDVI在所有估测模型中估算FAPAR的效果最好，RDVI适用于估算花生这种覆盖程度不高的作物（如图6B）。