从相关文献中获得Fermi耀变体(blazar)的射电(R)1.4 GHz、光学(O)4.68×1014Hz、X-ray(X)1 ke V和γ-ray(γ)1 Ge V辐射流量密度,计算了上述波段两两之间的6个有效谱指数αRO、αRX、αRγ、αOX、αOγ、αXγ.研究了blazar总样本...从相关文献中获得Fermi耀变体(blazar)的射电(R)1.4 GHz、光学(O)4.68×1014Hz、X-ray(X)1 ke V和γ-ray(γ)1 Ge V辐射流量密度,计算了上述波段两两之间的6个有效谱指数αRO、αRX、αRγ、αOX、αOγ、αXγ.研究了blazar总样本及其子类FSRQ(Flat Spectral Radio Quasar),蝎虎天体(BL Lac)含高同步峰频BL Lac(HBL)和低同步峰频BL Lac(LBL)样本的任意两个有效谱指数之间的关系.结果表明:(1)除HBL样本及αOX与αRγ之间关系外,两两有效谱指数之间均存在较强的相关,这种相关可用4个波段能谱分布的结构关系得到解释;(2)在有效谱指数相关的散点图中,FSRQ与LBL分布在相同的区域,但HBL与FSRQ(LBL)分布在不同的区域;(3)在不同的有效谱指数相关散点图中,HBL与FSRQ(LBL)分布的分离程度(区分度)不相同,这种区分度与决定2个有效谱指数的频率有关.展开更多
针对传统水体指数模型易受水体边界浅水区的水体底质的影响,导致在提取水体时容易产生水体错分和遗漏等问题,该文以汤河水库、桐湖和近海浅水区为研究对象,基于Landsat影像的典型地物光谱信息构建了一种新型多波段水体指数(new multi ba...针对传统水体指数模型易受水体边界浅水区的水体底质的影响,导致在提取水体时容易产生水体错分和遗漏等问题,该文以汤河水库、桐湖和近海浅水区为研究对象,基于Landsat影像的典型地物光谱信息构建了一种新型多波段水体指数(new multi band water index,NMBWI)。与传统水体指数模型归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、增强型水体指数(enhanced water index,EWI)及修订型归一化水体指数(revised normalized difference water index,RNDWI)进行了对比分析,结果表明:NMBWI对于水体边界的浅水区水体强化效果更佳,提取的水域范围更为完整,总体精度和Kappa系数总体优于传统水体指数模型且NMBWI对不同类型水体边界的浅水区水体提取具有较好的普适性和稳定性。展开更多
为提高返青期-拔节期-开花期-灌浆期不同覆盖条件下小麦冠层含水量的遥感反演精度,综合分析基于Nir-Red和Nir-Swir光谱特征空间开展作物含水量监测的优势与局限,利用垂直干旱指数(perpendicular drought index,PDI)和短波红外垂直失水指...为提高返青期-拔节期-开花期-灌浆期不同覆盖条件下小麦冠层含水量的遥感反演精度,综合分析基于Nir-Red和Nir-Swir光谱特征空间开展作物含水量监测的优势与局限,利用垂直干旱指数(perpendicular drought index,PDI)和短波红外垂直失水指数(shortwave infrared perpendicular water stress index,SPSI)的比值形式,构建了一种基于近红外-红波段-短波红外(Nir-Red-Swir)三波段光谱特征空间的垂直植被水分指数(three-band perpendicular vegetation water index,TPVWI)。结果表明,在不同生育时期,TPVWI与小麦冠层含水量(vegetation water content,VWC)均具有显著相关关系(P<0.01),且对植被含水量的敏感性优于PDI、作物水分监测指数(plant water index,PWI)、SPSI和NDVI 4种植被指数,且在反映小区域内小麦冠层含水量的时空趋势上有较好的表征能力。对比地面实测数据,利用TPVWI建立的作物含水量估测模型的预测精度较高,r与RMSE分别为0.763和2.296%,说明利用综合Nir-Red-Swir三波段光谱空间特征的植被水分指数在监测不同覆盖条件下的作物含水量具有一定的可行性,可丰富当前作物冠层含水量遥感监测的理论方法。展开更多
近年来,高光谱遥感技术日渐成熟,人工智能和机器学习技术逐渐应用于农作物生化参量反演领域,传统的人工测量农作物长势、叶片含水率和叶绿素含量等逐渐由自动化、智能化机器所替代,该技术在农作物叶片含水率反演方面发挥了重要作用,但...近年来,高光谱遥感技术日渐成熟,人工智能和机器学习技术逐渐应用于农作物生化参量反演领域,传统的人工测量农作物长势、叶片含水率和叶绿素含量等逐渐由自动化、智能化机器所替代,该技术在农作物叶片含水率反演方面发挥了重要作用,但仍有一定局限性。目前,限制高光谱技术主要应用于农作物生化参量反演中高光谱波段数较多、冗余度高的问题。笔者参考国内外学者提出各种筛选敏感波段的方法,以灌浆期小麦叶片高光谱数据和叶片含水率(Leaf Water Content,LWC)为对象,就目前较为热门和有效的差值植被指数法、归一化植被指数法、比值植被指数法、竞争性自适应重加权采样算法(CARS)、连续投影法(SPA)和随机蛙跳算法(Random Frog,RF)等方法进行对比分析。研究结果表明:可从等势图和算法运行过程得出,波段筛选方法获取的波段组合,与小麦叶片含水率有高相关性和较低的均方根误差,均能在一定程度上优化高光谱遥感技术在反演农作物生化参量上的应用。展开更多
文摘从相关文献中获得Fermi耀变体(blazar)的射电(R)1.4 GHz、光学(O)4.68×1014Hz、X-ray(X)1 ke V和γ-ray(γ)1 Ge V辐射流量密度,计算了上述波段两两之间的6个有效谱指数αRO、αRX、αRγ、αOX、αOγ、αXγ.研究了blazar总样本及其子类FSRQ(Flat Spectral Radio Quasar),蝎虎天体(BL Lac)含高同步峰频BL Lac(HBL)和低同步峰频BL Lac(LBL)样本的任意两个有效谱指数之间的关系.结果表明:(1)除HBL样本及αOX与αRγ之间关系外,两两有效谱指数之间均存在较强的相关,这种相关可用4个波段能谱分布的结构关系得到解释;(2)在有效谱指数相关的散点图中,FSRQ与LBL分布在相同的区域,但HBL与FSRQ(LBL)分布在不同的区域;(3)在不同的有效谱指数相关散点图中,HBL与FSRQ(LBL)分布的分离程度(区分度)不相同,这种区分度与决定2个有效谱指数的频率有关.
文摘针对传统水体指数模型易受水体边界浅水区的水体底质的影响,导致在提取水体时容易产生水体错分和遗漏等问题,该文以汤河水库、桐湖和近海浅水区为研究对象,基于Landsat影像的典型地物光谱信息构建了一种新型多波段水体指数(new multi band water index,NMBWI)。与传统水体指数模型归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、增强型水体指数(enhanced water index,EWI)及修订型归一化水体指数(revised normalized difference water index,RNDWI)进行了对比分析,结果表明:NMBWI对于水体边界的浅水区水体强化效果更佳,提取的水域范围更为完整,总体精度和Kappa系数总体优于传统水体指数模型且NMBWI对不同类型水体边界的浅水区水体提取具有较好的普适性和稳定性。
文摘为提高返青期-拔节期-开花期-灌浆期不同覆盖条件下小麦冠层含水量的遥感反演精度,综合分析基于Nir-Red和Nir-Swir光谱特征空间开展作物含水量监测的优势与局限,利用垂直干旱指数(perpendicular drought index,PDI)和短波红外垂直失水指数(shortwave infrared perpendicular water stress index,SPSI)的比值形式,构建了一种基于近红外-红波段-短波红外(Nir-Red-Swir)三波段光谱特征空间的垂直植被水分指数(three-band perpendicular vegetation water index,TPVWI)。结果表明,在不同生育时期,TPVWI与小麦冠层含水量(vegetation water content,VWC)均具有显著相关关系(P<0.01),且对植被含水量的敏感性优于PDI、作物水分监测指数(plant water index,PWI)、SPSI和NDVI 4种植被指数,且在反映小区域内小麦冠层含水量的时空趋势上有较好的表征能力。对比地面实测数据,利用TPVWI建立的作物含水量估测模型的预测精度较高,r与RMSE分别为0.763和2.296%,说明利用综合Nir-Red-Swir三波段光谱空间特征的植被水分指数在监测不同覆盖条件下的作物含水量具有一定的可行性,可丰富当前作物冠层含水量遥感监测的理论方法。
文摘近年来,高光谱遥感技术日渐成熟,人工智能和机器学习技术逐渐应用于农作物生化参量反演领域,传统的人工测量农作物长势、叶片含水率和叶绿素含量等逐渐由自动化、智能化机器所替代,该技术在农作物叶片含水率反演方面发挥了重要作用,但仍有一定局限性。目前,限制高光谱技术主要应用于农作物生化参量反演中高光谱波段数较多、冗余度高的问题。笔者参考国内外学者提出各种筛选敏感波段的方法,以灌浆期小麦叶片高光谱数据和叶片含水率(Leaf Water Content,LWC)为对象,就目前较为热门和有效的差值植被指数法、归一化植被指数法、比值植被指数法、竞争性自适应重加权采样算法(CARS)、连续投影法(SPA)和随机蛙跳算法(Random Frog,RF)等方法进行对比分析。研究结果表明:可从等势图和算法运行过程得出,波段筛选方法获取的波段组合,与小麦叶片含水率有高相关性和较低的均方根误差,均能在一定程度上优化高光谱遥感技术在反演农作物生化参量上的应用。
