基于实地调查和高光谱数据的浑善达克沙地中部植物alpha多样性遥感估测

基于实地调查和高光谱数据的浑善达克沙地中部植物alpha多样性遥感估测

论文摘要

植物群落物种多样性的快速无损估测一直是近几十年生态学领域的热点研究问题。相对于大尺度的卫星遥感数据,高光谱遥感数据具有光谱和空间分辨率高的优势。采用ASD HH2便携式高光谱仪,收集浑善达克沙地中部120个样方的高光谱数据,并对样方的alpha多样性指数进行同步测定。对高光谱遥感数据进行预处理,采用相关性分析、主成分分析和经验波段筛选法,从数百个波段中选择敏感波段。采用90个样方的高光谱数据作为训练样本,对筛选的敏感波段进行多元线性逐步回归分析,获得12个回归模型。采用另外30个样方的高光谱数据作为验证样本,对回归模型的拟合效果进行检验。结果发现,采用主成分分析法提取敏感波段的回归模型拟合效果最好,Pielou指数、Shannon-Wiener指数和Simpson指数拟合均达到显著水平。对我国植物物种多样性微尺度的快速评估和高光谱遥感具有一定参考意义,并对未来植物多样性高光谱遥感研究提出了建议。

论文目录

  • 1 研究地点
  • 2 研究方法
  •   2.1 植物群落调查及指数分析
  •   2.2 高光谱数据采集与处理
  •   2.3 数据分析方法
  • 3 结果与分析
  •   3.1 相关性和主成分分析
  •   3.2 逐步线性回归分析
  •   3.3 拟合效果验证
  •   3.4 复杂性分析
  • 4 讨论与结论
  • 文章来源

    类型: 期刊论文

    作者: 彭羽,王越,马江文,范敏,白岚,周涛

    关键词: 植物多样性,多样性,微尺度,高光谱遥感

    来源: 生态学报 2019年13期

    年度: 2019

    分类: 基础科学,农业科技,工程科技Ⅱ辑,信息科技

    专业: 生物学,工业通用技术及设备,自动化技术

    单位: 中央民族大学生命与环境科学学院,北京师范大学地表过程与资源生态国家重点实验室

    基金: 国家重点研发计划(2017YFC0505606),北京师范大学地表过程与资源生态国家重点实验室开放课题(17-KF-18),中央民族大学双一流建设项目,中央民族大学本科科研训练项目(URTP2017110024)

    分类号: TP79;Q948

    页码: 4883-4891

    总页数: 9

    文件大小: 3491K

    下载量: 316

    相关论文文献

    • [1].遥感图像处理软件在文物高光谱数据分析中的应用[J]. 辽宁省博物馆馆刊 2016(00)
    • [2].高光谱数据库与数据挖掘探析[J]. 电子技术与软件工程 2014(02)
    • [3].基于改进独立分量分析的高光谱数据分类研究[J]. 计算机仿真 2009(11)
    • [4].深度置信网络环境下高光谱数据降维方法仿真[J]. 计算机仿真 2019(06)
    • [5].基于本征模函数的高光谱数据特征提取方法[J]. 红外与激光工程 2013(12)
    • [6].高光谱数据非监督分类的改进独立成分分析方法[J]. 国土资源遥感 2011(02)
    • [7].基于小波分析和数学形态学相融合的高光谱数据去噪[J]. 激光杂志 2018(06)
    • [8].基于小波包变换的叶片高光谱数据的树种分类[J]. 光谱实验室 2012(05)
    • [9].红外高光谱数据鉴别技术研究[J]. 光电技术应用 2019(02)
    • [10].高分五号卫星高光谱数据岩性-构造解译初步应用评价[J]. 上海航天 2019(S2)
    • [11].基于雷达和高光谱数据的表层土壤水分反演研究[J]. 测绘学报 2017(05)
    • [12].高光谱数据分类新方法研究[J]. 计算机工程与应用 2010(10)
    • [13].分数阶微分算法对盐渍土高光谱数据的影响研究[J]. 光学学报 2016(03)
    • [14].环境减灾卫星高光谱数据在减灾中的应用研究[J]. 航天器工程 2011(06)
    • [15].基于高光谱数据的棉田虫害鉴别研究[J]. 华南农业大学学报 2019(03)
    • [16].高光谱数据三级彩色显示方法[J]. 红外与激光工程 2012(09)
    • [17].东洞庭湖湿地植被高光谱数据变换及识别[J]. 中南林业科技大学学报 2014(11)
    • [18].机载高光谱数据冰川分类方法研究——以“中习一号”冰川为例[J]. 遥感技术与应用 2013(05)
    • [19].基于场景的热红外高光谱数据光谱定标[J]. 红外与激光工程 2017(01)
    • [20].高光谱数据在“十一五”期间生态环境状况监测中的应用[J]. 干旱环境监测 2012(03)
    • [21].基于独立分量分析和相关向量机的高光谱数据分类[J]. 现代电子技术 2010(13)
    • [22].基于高光谱数据的河北滦平地区岩性信息提取方法试验研究[J]. 遥感信息 2013(02)
    • [23].一种SVM-RFE高光谱数据特征选择算法[J]. 武汉大学学报(信息科学版) 2009(07)
    • [24].基于奇异值分解的岩心高光谱数据降噪研究[J]. 现代电子技术 2016(18)
    • [25].GF-5 AHSI新疆东天山高光谱数据地质精细特征分类图[J]. 遥感学报 2020(04)
    • [26].空间一致性邻域保留嵌入的高光谱数据特征提取[J]. 红外与激光工程 2012(05)
    • [27].因子分析模型的高光谱数据降维方法[J]. 中国图象图形学报 2011(11)
    • [28].碳卫星高光谱数据CO_2柱浓度反演初步研究[J]. 三峡生态环境监测 2018(04)
    • [29].基于双图结构标签传递算法的高光谱数据分类[J]. 计算机与数字工程 2018(10)
    • [30].高光谱数据与叶绿素含量及植被指数的相关性研究进展[J]. 内蒙古民族大学学报(自然科学版) 2014(01)

    标签:;  ;  ;  ;  

    基于实地调查和高光谱数据的浑善达克沙地中部植物alpha多样性遥感估测
    下载Doc文档

    猜你喜欢