CN109900672A - 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 - Google Patents
一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 Download PDFInfo
- Publication number
- CN109900672A CN109900672A CN201910263117.1A CN201910263117A CN109900672A CN 109900672 A CN109900672 A CN 109900672A CN 201910263117 A CN201910263117 A CN 201910263117A CN 109900672 A CN109900672 A CN 109900672A
- Authority
- CN
- China
- Prior art keywords
- leaf
- chlorophyll fluorescence
- sun light
- angle
- sif
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,其步骤为:步骤S100:建立多角度探测叶绿素荧光和光化学植被指数的装置;步骤S200:获取长时间序列的多角度叶绿素荧光观测数据;步骤S300:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正;步骤S400:建立阴叶和阳叶叶绿素荧光分离模型,对冠层总的叶绿素荧光进行分离,得到阴叶和阳叶的叶绿素荧光。本发明通过建立叶绿素荧光角度校正模型,对观测到的叶绿素荧光进行角度校正,经过角度校正后的叶绿素荧光估算植被总初级生产力时更加准确。在对冠层总的荧光进行阴叶叶绿素和阳叶叶绿素的分离时也充分考多次散射的影响,从而提高了分离的准确性。
Description
技术领域
本发明涉及遥感技术领域,特别涉及一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法。
背景技术
植被总初级生产力是指植物通过光合作用固化二氧化碳的能力,并且也是陆地生态系统在自然条件下的生产能力。植被总初级生产力(GPP)是估算地球支持能力和评价生态系统可持续发展的重要指标,一直是目前地球系统科学研究的热点。目前,陆地生态系统生产力估算主要有生态系统模型和基于植被指数的光能利用率模型。由于目前模型对于一些关键的生态过程描述不清,或者由于模型结构、参数和输入数据等方面的原因,当前模型生产力的估算尚存在较大的不确定性,估算能力仍有待提高。而现有遥感技术虽然能提取出与地表碳通量、储量相关的植被参数,但是这些植被参数无法直接反应植物生理活动,不能直接反应陆地生态系统碳通量信息,需要用新的观测数据对模型估算进行优化,以提高对区域植被生产力的模拟精度。
日光诱导叶绿素荧光(SIF)为陆地生态系统生产力估算提供新的思路和方法。日光诱导叶绿素荧光是由植物光合中心II(PSII)发射出的光谱信号,可以反映植被的光合作用状态,被誉为“光合探针”,通过观测叶绿素荧光可以直接探测植被的光合作用等有关信息。相比植被指数,叶绿素荧光更能够反映植被的光合动态变化,因此逐渐成为陆地生态系统生产力估算的研究热点。
植被冠层内部阴影叶片(即阴叶)和光照叶片(即阳叶)对叶绿素荧光的贡献差别很大,可将阴叶叶绿素荧光与阳叶叶绿素荧光进行分离,通过分离后的阴叶叶绿素荧光和阳叶叶绿素荧光对陆地生态系统生产力分别进行估算,以提高估算的精度。目前,存在一种利用多角度观测系统同时获取太阳入射光谱和植被冠层多角度反射光谱的方法,用于计算太阳辐照度和植被冠层不同角度的辐亮度,进而计算不同观测角度植被冠层的荧光,但是该方法没有考虑到热点以及多次散射对叶绿素荧光的影响。
因此,如何寻找一种能利用遥感的数据分离阴叶和阳叶叶绿素,并且能够校正热点以及多次散射对叶绿素荧光的影响成为了本领域技术人员亟需解决的问题。
发明内容
本发明所要解决的技术问题是:克服现有技术没有考虑到热点以及多次散射对叶绿素荧光的影响,提供一种能利用遥感的数据分离阴叶和阳叶叶绿素荧光,并且能够能够校正热点以及多次散射对叶绿素荧光的影响的方法。
本发明的技术解决方案是:
提供一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,包括如下步骤:
步骤S100:建立多角度探测叶绿素荧光和光化学植被指数的装置;
步骤S200:获取长时间序列的多角度叶绿素荧光观测数据;
步骤S300:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正;
步骤S400:建立阴叶和阳叶叶绿素荧光分离模型,对冠层总的叶绿素荧光进行分离,得到阴叶和阳叶的叶绿素荧光。
优选地,所述步骤S300的叶绿素荧光角度校正方法为:
步骤S310:根据太阳天顶角、观测天顶角以及太阳方位角和观测方位角之间的夹角,计算多角度探测叶绿素荧光和光化学植被指数的装置的传感器与太阳之间的夹角;
步骤S320:计算阳叶总叶面积指数、传感器观测到的总叶面积指数以及传感器观测到的阳叶总叶面积指数;
步骤S330:根据传感器观测到的阳叶总叶面积指数、阳叶的总叶面积指数、热点函数、一阶散射相函数,得到推算的角度校正后的阳叶总叶面积指数;
步骤S340:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正。
优选地,所述步骤S340中叶绿素荧光角度校正模型为:
SIFhotspot=SIFobs·Lsun/(L'sun_v+L'sh_v/β+Lv·α) (10)
SIFcanopy=SIFhotspot+SIFsh·(L-Lsun) (11)
SIFobs=SIFsunlit·(L'sun_v+L'sh_v/β+α·Lv) (12)
其中,SIFhotspot为热点方向总的叶绿素荧光,SIFobs为角度校正前的原始荧光数据,SIFsunlit为阳叶的叶绿素荧光,SIFcanopy为冠层总的叶绿素荧光,SIFsh为阴叶的叶绿素荧光,Lsun为阳叶总叶面积指数,L'sun_v为推算的观测视场角内阳叶的总叶面积指数,L'sh_v为推算的观测视场角内阴叶的总叶面积指数,Lv为传感器观测到的总叶面积指数,L为总叶面积指数,β为冠层没有考虑多次散射影响阳叶的叶绿素荧光和阴叶的叶绿素荧光的比值,α为多次散射因子。
优选地,所述步骤S400的叶绿素荧光分离模型考虑多次散射的影响,具体为:
SIFcanopy=Psunlit·SIFsunlit(1+αsunlit)+Pshaded·SIFsh(1+αshaded) (20)
ω=(ρ+τ)/2 (24)
其中:Psunlit为传感器观测到的阳叶叶绿素荧光的概率,Pshaded为传感器观测到的阴叶叶绿素荧光的概率,αsunlit为阳叶的多次散射因子,αshaded为阴叶的多次散射因子,ρ为反射率,τ为透射率。
优选地,传感器观测到的阳叶叶绿素荧光的概率和传感器观测到的阴叶叶绿素荧光的概率具体为:
Pshaded=1-Psunlit-P(θv) (16)
其中,Γ(ξ)为一阶散射相函数,P(θv)为看见背景的概率,G(θv)、G(θs)均为投影函数,Ω为聚集度指数。
本发明产生的有益效果是:本发明通过建立日光诱导叶绿素荧光角度校正模型,对观测到原始叶绿素荧光进行角度校正,使计算出的冠层总的荧光消除了角度对荧光观测的影响,估算总初级生产力更加准确;另外,在对冠层总的荧光进行阴叶叶绿素和阳叶叶绿素的分离时充分考虑多次散射的影响,从而提高了分离的准确性。
附图说明
图1为本发明第一种实施方式提供的一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法流程图;
图2为本发明第二种实施方式提供的一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法流程图;图3为多角度叶绿素荧光观测系统示意图;
图4为太阳天顶角(θs),观测天顶角(θv)与太阳方位角和观测方位角之间的夹角(Φ)的示意图;
图5为传感器与太阳之间的夹角ξ的示意图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案,下面结合实施例及附图对本发明作进一步详细的描述。
参见图1,图1为本发明第一种实施方式提供的一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法流程图。
一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,包括如下步骤:
步骤S100:建立多角度探测叶绿素荧光和光化学植被指数的装置;
步骤S200:获取长时间序列的多角度叶绿素荧光观测数据;
步骤S300:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正;
步骤S400:建立阴叶和阳叶叶绿素荧光分离模型,对冠层总的叶绿素荧光进行分离,得到阴叶和阳叶的叶绿素荧光。
能利用遥感的数据分离阴叶和阳叶叶绿素荧光,并且能够校正热点以及多次散射对叶绿素荧光的影响。
参见图2至图5,图2为本发明第二种实施方式提供的一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法流程图。图3为多角度叶绿素荧光观测系统示意图;图4为太阳天顶角(θs),观测天顶角(θv)与太阳方位角和观测方位角之间的夹角(Φ)的示意图;图5为传感器与太阳之间的夹角ξ的示意图。
步骤S100:建立用于多角度探测叶绿素荧光和光化学植被指数的装置;
建立多角度叶绿素荧光观测系统结构详见公告号为:CN206038536U,专利名称为:一种用于多角度探测叶绿素荧光和光化学植被指数的装置的实用新型专利。
步骤S200:获取长时间序列的多角度叶绿素荧光观测数据;
通过用于多角度探测叶绿素荧光和光化学植被指数的装置获取长时间序列的多角度叶绿素荧光的观测数据有:太阳辐亮度光谱、地物辐亮度光谱、太阳入射光谱、冠层反射光谱、太阳天顶角θs、观测天顶角θv、太阳方位角以及观测方位角。
步骤S310:根据太阳天顶角θs、观测天顶角θv以及太阳方位角和观测方位角之间的夹角Φ,计算多角度探测叶绿素荧光和光化学植被指数的装置的传感器与太阳之间的夹角ξ;
所述多角度探测叶绿素荧光和光化学植被指数的装置的传感器是指第一光纤光纤探头和第二光纤光纤探头。第一光纤光纤探头的裸露端、第二光纤光纤探头的裸露端均能够接收到地物的反射光。控制器根据转动指令驱动云台转动到一定的角度,使得第一光纤光纤探头的裸露端、第二光纤光纤探头的裸露端和太阳之间的夹角不同,可对植被冠层进行多角度的长期连续观测。
根据太阳天顶角θs、观测天顶角θv以及太阳方位角和观测方位角之间的夹角Φ,计算传感器与太阳之间的夹角ξ,具体为:
cosξ=cosθscosθv+sinθssinθvcosΦ (1)
引入热点函数F(ξ)来解决传感器和太阳之间的关系,如公式(2)所示:
F(ξ)=e-(ξ/π)C (2)
其中,C为控制热点宽度的参数。
当F(ξ)=0,观测到的阳叶的总叶面积指数在热点外面,当F(ξ)=1,观测到的阳叶的总叶面积指数在热点里面。
引入一阶散射相函数Γ(ξ),如公式(3)所示:
其中,Cp为决定系数,ρ为反射率,τ为透射率。
步骤S320:计算阳叶总叶面积指数Lsun、传感器观测到的总叶面积指数Lv以及传感器观测到的阳叶总叶面积指数Lsun_v;
计算阳叶的总叶面积指数Lsun、传感器观测到的总的叶面积指数Lv以及传感器观测到的阳叶的总叶面积指数Lsun_v,具体为:
其中,这里μs为cosθs,μv为cosθv,Ω为聚集度指数,L为总叶面积指数,L可通过仪器测量,本实施例采用的测量仪器为LAI2200。
步骤S330:根据传感器观测到的阳叶的总叶面积指数Lsun_v、阳叶的总叶面积指数Lsun、热点函数F(ξ)、一阶散射相函数Γ(ξ),得到推算的观测视场角内阳叶的总叶面积指数L'sun_v,具体为:
L'sun_v=Γ(ξ)·Lsun_v+[Lsun-Lsun_v]F(ξ) (8)
得到推算的观测视场角内阴叶的总叶面积指数L'sh_v,具体为:
L'sh_v=Lv-L'sun_v (9)
步骤S340:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正。
建立叶绿素荧光角度校正模型:
SIFhotspot=SIFobs·Lsun/(L'sun_v+L'sh_v/β+Lv·α) (10)
SIFcanopy=SIFhotspot+SIFsh·(L-Lsun) (11)
SIFobs=SIFsunlit·(L'sun_v+L'sh_v/β+α·Lv) (12)
其中,SIFhotspot为热点方向总的叶绿素荧光,SIFobs为角度校正前的原始荧光数据,可用用于多角度探测叶绿素荧光和光化学植被指数的装置得到,SIFsunlit为阳叶的叶绿素荧光,SIFcanopy为冠层总的叶绿素荧光,SIFsh为阴叶的叶绿素荧光,β为冠层没有考虑多次散射影响阳叶的叶绿素荧光和阴叶的叶绿素荧光的比值,α为多次散射因子,可以查找表(LUT)得到。
所述冠层总的荧光SIFcanopy,冠层总的荧光等于热点方向总荧光SIFhotspot与非热点方向总的荧光之和。
步骤S400:建立阴叶和阳叶叶绿素荧光分离模型,对冠层总的叶绿素荧光SIFcanopy进行分离,得到阴叶叶绿素荧光SIFsh和阳叶的叶绿素荧光SIFsunlit。
建立阴叶和阳叶叶绿素荧光分离模型,如公式(15)所示:
SIFcanopy=PsunlitSIFsunlit+PshadedSIFsh (14)
其中:Psunlit为传感器观测到的阳叶叶绿素荧光的概率,Pshaded为传感器观测到的阴叶叶绿素荧光的概率。
传感器观测到的阳叶叶绿素荧光的概率Psunlit和传感器观测到的阴叶叶绿素荧光的概率Pshaded采用下面方法计算:
Pshaded=1-Psunlit-P(θv) (16)
其中:
其中,P(θv)为看见背景的概率,G(θv)、G(θs)均为投影函数,均约等于0.5。
考虑多次散射的影响叶绿素荧光分离模型可进一步表示为:
SIFcanopy=Psunlit·SIFsunlit(1+αsunlit)+Pshaded·SIFsh(1+αshaded) (20)
ω=(ρ+τ)/2 (23)。
一个观测角对应一组SIFcanopy,Psunlit,Pshaded,假定太阳天顶角在30分钟之内没有变化,所以我们认为SIFsunlit和SIFsh在这30分钟内是一个定值,30分钟内不同角度看到阳叶的概率Psunlit阴叶的概率Pshaded是不同的,根据多个观测角度列的多个方程,采用最小二乘法拟合出得出SIFsunlit和SIFsh,最终实现叶绿素荧光阴叶与阳叶的分离。
通过建立日光诱导叶绿素荧光角度校正模型,对观测到原始叶绿素荧光进行角度校正,使计算出的冠层总的荧光消除了角度对荧光观测的影响,估算总初级生产力更加准确;另外,在对冠层总的荧光进行阴叶叶绿素和阳叶叶绿素分离时充分考虑多次散射的影响,从而提高了分离的准确性。
以上所述的实施方式,并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等,均应包含在本技术方案的保护范围之内。
Claims (5)
1.一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,其特征在于,包括如下步骤:
步骤S100:建立多角度探测叶绿素荧光和光化学植被指数的装置;
步骤S200:获取长时间序列的多角度叶绿素荧光观测数据;
步骤S300:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正;
步骤S400:建立阴叶和阳叶叶绿素荧光分离模型,对冠层总的叶绿素荧光进行分离,得到阴叶和阳叶的叶绿素荧光。
2.根据权利要求1所述的利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,其特征在于,所述步骤S300的叶绿素荧光角度校正方法为:
步骤S310:根据太阳天顶角、观测天顶角以及太阳方位角和观测方位角之间的夹角,计算多角度探测叶绿素荧光和光化学植被指数的装置的传感器与太阳之间的夹角;
步骤S320:计算阳叶总叶面积指数、传感器观测到的总叶面积指数以及传感器观测到的阳叶总叶面积指数;
步骤S330:根据传感器观测到的阳叶总叶面积指数、阳叶的总叶面积指数、热点函数、一阶散射相函数,得到推算的角度校正后的阳叶总叶面积指数;
步骤S340:建立叶绿素荧光角度校正模型,对观测到原始的叶绿素荧光进行角度校正。
3.根据权利要求2所述的利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,其特征在于,所述步骤S340中叶绿素荧光角度校正模型为:
SIFhotspot=SIFobs·Lsun/(L'sun_v+L'sh_v/β+Lv·α) (10)
SIFcanopy=SIFhotspot+SIFsh·(L-Lsun) (11)
SIFobs=SIFsunlit·(L'sun_v+L'sh_v/β+α·Lv) (12)
其中,SIFhotspot为热点方向总的叶绿素荧光,SIFobs为角度校正前的原始荧光数据,SIFsunlit为阳叶的叶绿素荧光,SIFcanopy为冠层总的叶绿素荧光,SIFsh为阴叶的叶绿素荧光,Lsun为阳叶总叶面积指数,L'sun_v为推算的观测视场角内阳叶的总叶面积指数,L'sh_v为推算的观测视场角内阴叶的总叶面积指数,Lv为传感器观测到的总叶面积指数,L为总叶面积指数,β为冠层没有考虑多次散射影响阳叶的叶绿素荧光和阴叶的叶绿素荧光的比值,α为多次散射因子。
4.根据权利要求3所述的利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,其特征在于,所述步骤S400的叶绿素荧光分离模型考虑多次散射的影响,具体为:
SIFcanopy=Psunlit·SIFsunlit(1+αsunlit)+Pshaded·SIFsh(1+αshaded) (20)
ω=(ρ+τ)/2 (24)
其中:Psunlit为传感器观测到的阳叶叶绿素荧光的概率,Pshaded为传感器观测到的阴叶叶绿素荧光的概率,αsunlit为阳叶的多次散射因子,αshaded为阴叶的多次散射因子,ρ为反射率,τ为透射率。
5.根据权利要求4所述的利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法,其特征在于,传感器观测到的阳叶叶绿素荧光的概率和传感器观测到的阴叶叶绿素荧光的概率具体为:
Pshaded=1-Psunlit-P(θv) (16)
其中,Γ(ξ)为一阶散射相函数,P(θv)为看见背景的概率,G(θv)、G(θs)均为投影函数,Ω为聚集度指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910263117.1A CN109900672A (zh) | 2019-04-02 | 2019-04-02 | 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910263117.1A CN109900672A (zh) | 2019-04-02 | 2019-04-02 | 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109900672A true CN109900672A (zh) | 2019-06-18 |
Family
ID=66954389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910263117.1A Pending CN109900672A (zh) | 2019-04-02 | 2019-04-02 | 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109900672A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730412A (zh) * | 2020-12-31 | 2021-04-30 | 河北省科学院地理科学研究所 | 一种基于高光谱影像的植被冠层阴阳叶判别方法 |
CN116975522A (zh) * | 2023-09-22 | 2023-10-31 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 基于通量数据的叶绿素荧光遥感传感器退化校正方法 |
CN116992682A (zh) * | 2023-08-16 | 2023-11-03 | 南京大学 | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 |
CN117350082A (zh) * | 2023-12-04 | 2024-01-05 | 南京大学 | 一种净生态系统生产力的计算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
CN206038536U (zh) * | 2016-09-09 | 2017-03-22 | 丑述仁 | 一种用于多角度探测叶绿素荧光和光化学植被指数的装置 |
CN108254396A (zh) * | 2017-12-05 | 2018-07-06 | 江苏大学 | 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法 |
CN108399393A (zh) * | 2018-03-09 | 2018-08-14 | 河北省科学院地理科学研究所 | 一种基于荧光遥感的植被冠层阴阳叶检测方法 |
CN108593611A (zh) * | 2018-04-25 | 2018-09-28 | 南京大学 | 一种植被叶绿素荧光的双通道自动观测方法 |
CN108693154A (zh) * | 2018-04-25 | 2018-10-23 | 南京大学 | 一种多角度观测精确反演植被阴阳叶日光诱导叶绿素荧光的方法 |
CN108920857A (zh) * | 2018-07-10 | 2018-11-30 | 南京大学 | 一种高计算效率的日光诱导叶绿素荧光的模拟方法 |
-
2019
- 2019-04-02 CN CN201910263117.1A patent/CN109900672A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
CN206038536U (zh) * | 2016-09-09 | 2017-03-22 | 丑述仁 | 一种用于多角度探测叶绿素荧光和光化学植被指数的装置 |
CN108254396A (zh) * | 2017-12-05 | 2018-07-06 | 江苏大学 | 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法 |
CN108399393A (zh) * | 2018-03-09 | 2018-08-14 | 河北省科学院地理科学研究所 | 一种基于荧光遥感的植被冠层阴阳叶检测方法 |
CN108593611A (zh) * | 2018-04-25 | 2018-09-28 | 南京大学 | 一种植被叶绿素荧光的双通道自动观测方法 |
CN108693154A (zh) * | 2018-04-25 | 2018-10-23 | 南京大学 | 一种多角度观测精确反演植被阴阳叶日光诱导叶绿素荧光的方法 |
CN108920857A (zh) * | 2018-07-10 | 2018-11-30 | 南京大学 | 一种高计算效率的日光诱导叶绿素荧光的模拟方法 |
Non-Patent Citations (6)
Title |
---|
CHEN JING M.等: "A four-scale bidirectional reflectance model based on canopy architecture", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
CHEN JING M.等: "Multiple-scattering scheme useful for geometric optical modeling", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
CHOU SHUREN等: "Canopy-Level Photochemical Reflectance Index from Hyperspectral Remote Sensing and Leaf-Level Non-Photochemical Quenching as Early Indicators of Water Stress in Maize", 《REMOTE SENSING》 * |
HE LIMING等: "Angular normalization of GOME‐2 Sun‐induced chlorophyll fluorescence observation as a better proxy of vegetation productivity", 《GEOPHYSICAL RESEARCH LETTER》 * |
LIU XINJIE等: "Downscaling of solar-induced chlorophyll fluorescence from canopy level to photosystem level using a random forest model", 《REMOTE SENSING OF ENVIRONMENT》 * |
丑述仁: "光化学植被指数和日光诱导叶绿素荧光与作物光合作用的关系", 《中国博士学位论文全文数据库基础科学辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730412A (zh) * | 2020-12-31 | 2021-04-30 | 河北省科学院地理科学研究所 | 一种基于高光谱影像的植被冠层阴阳叶判别方法 |
CN112730412B (zh) * | 2020-12-31 | 2021-08-10 | 河北省科学院地理科学研究所 | 一种基于高光谱影像的植被冠层阴阳叶判别方法 |
CN116992682A (zh) * | 2023-08-16 | 2023-11-03 | 南京大学 | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 |
CN116992682B (zh) * | 2023-08-16 | 2024-03-19 | 南京大学 | 阴阳叶激发日光诱导叶绿素荧光估算总初级生产力的方法 |
CN116975522A (zh) * | 2023-09-22 | 2023-10-31 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 基于通量数据的叶绿素荧光遥感传感器退化校正方法 |
CN116975522B (zh) * | 2023-09-22 | 2023-12-22 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 基于通量数据的叶绿素荧光遥感传感器退化校正方法 |
CN117350082A (zh) * | 2023-12-04 | 2024-01-05 | 南京大学 | 一种净生态系统生产力的计算方法 |
CN117350082B (zh) * | 2023-12-04 | 2024-03-22 | 南京大学 | 一种净生态系统生产力的计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109900672A (zh) | 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法 | |
Liu et al. | An OLCI-based algorithm for semi-empirically partitioning absorption coefficient and estimating chlorophyll a concentration in various turbid case-2 waters | |
CN107014763B (zh) | 叶绿素遥感反演装置及方法 | |
Staehr et al. | Lake metabolism and the diel oxygen technique: state of the science | |
Rex et al. | Chemical ozone loss in the Arctic winter 1994/95 as determined by the Match technique | |
JP2021056236A (ja) | 植物生育指標測定装置、植物生育指標算出プログラムおよび植物生育指標測定システム | |
CN102103203A (zh) | 基于环境一号卫星的地表温度单窗反演方法 | |
Gamo | Dissolved oxygen in the bottom water of the Sea of Japan as a sensitive alarm for global climate change | |
CN108693154A (zh) | 一种多角度观测精确反演植被阴阳叶日光诱导叶绿素荧光的方法 | |
CN108507949A (zh) | 一种基于高分遥感卫星的河道水质监测方法 | |
CN105352500B (zh) | 带天体干扰的自适应选星方法及系统 | |
CN109406361A (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
CN113848226A (zh) | 一种智能化空间移动污染物自主溯源系统及溯源方法 | |
CN108550154A (zh) | 一种精准量测喀斯特地表裸露岩石占比的方法 | |
Ragab et al. | Towards accurate estimation of crop water requirement without the crop coefficient Kc: New approach using modern technologies | |
CN103149180B (zh) | 一种土壤光谱反射率和电导率检测方法 | |
WO2017033792A1 (ja) | クロロフィル蛍光測定装置 | |
Ibrom et al. | Eddy-correlation measurements of fluxes of CO2 and H2O above a spruce stand | |
CN103175491B (zh) | 一种树木测量方法及树木测量系统 | |
Pinkerton et al. | Calibration and validation of remotely sensed observations of ocean color from a moored data buoy | |
CN102830071B (zh) | 一种土壤总含磷量检测装置以及方法 | |
CN107543603A (zh) | 实时太阳辐射量检测方法和系统 | |
CN106932791A (zh) | 一种差分用数据质量指标测试方法 | |
Dengler | Oxygen Variability and Tropical Atlantic Circulation Cruise No. M130 August 28–October 3, 2016 Mindelo (Cape Verde)–Recife (Brazil) | |
Kawai et al. | Characteristics of the satellite-derived sea surface temperature in the oceans around Japan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |