导读:本文包含了定量遥感反演论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感,HJ-CCD影像,冬小麦孕穗期,关键苗情参数
定量遥感反演论文文献综述
谭昌伟,周欣兴,张鹏鹏,汪志祥,王敦亮[1]（2019）在《冬小麦孕穗期主要苗情参数卫星遥感定量反演研究》一文中研究指出【研究背景】应用卫星遥感数据可以及时获取大田种植作物"面状"苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息;【材料与方法】该研究结合田间定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以不同年份样点实测数据分别作为建模样本和验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型;【结果与分析】冬小麦处于孕穗期,植被衰减指数(PSRI)可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数(RVI)可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数(R2)分别为0.651、0.585、0.630和0.675,均方根误差(RMSE)分别为1.344、4.62、0.618%和2 804.3 kg·hm~(-2)。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据;【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农业研究者、涉农部门和种植管理者获取及时有效的农情信息。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27）
成功,钟超岭,袁海明,任明,许文文[2]（2019）在《基于样本数据的红土型铝土矿定量遥感建模与反演研究》一文中研究指出定量遥感找矿是遥感大数据在找矿应用中的一项前沿技术。本文采用多元回归分析方法,通过对多组不同数量地表铝土矿样本进行遥感建模与反演实验,探索样本量对定量遥感建模的影响。实验中,首先以地表采样获得的Al2O3、SiO2含量分析结果作为样本数据,再根据样本位置从Landsat 8遥感数据中分别读取1～7个波段反射率数据,然后利用SPSS软件,将Al2O_3、SiO_2含量与相应的1～7波段反射率进行多元回归分析,并分别建立Al_2O_3、SiO_2含量遥感定量反演模型。为了得到最佳反演模型,随机选出6批不同数量的样本进行建模实验,每批样本大约2/3用于建模,其余1/3用于模型检验。实验结果表明:随着样本量增加,模型的判定系数(R2)均呈先快速升高后缓慢下降的趋势,反演结果的均方根误差则与之相反。当样本量为50左右时,判定系数取得极大值,均方根误差取得极小值,总体具有偏态分布特征。最后,利用遥感影像对样本量为50时建立的模型进行反演验证,研究区地表Al2O_3、SiO_2含量的反演结果与实际情况吻合得很好,从而证实了该建模方法具有可靠性,可以进一步推广使用。(本文来源于《地学前缘》期刊2019年04期）
刘宇昕,王斌,王兆徽,张峰,宋清涛[3]（2019）在《基于开源框架的生态环境要素遥感定量反演平台构建》一文中研究指出为及时、准确地获取大范围环境影响因子,避免商业软件平台昂贵的价格和难以扩展的开发环境,结合地理信息系统和遥感技术进行生态环境要素遥感定量反演平台构建。以MapWindow作为底层框架,对其Dotspatial组件库的功能模块进行抽取和修改,完成平台的系统设计以及各功能模块的实现。其中,反演算法经过封装编译处理生成动态链接库,然后在平台中对动态链接库进行调用,最终以插件的形式将反演功能模块加载至平台。平台实现了遥感数据的气溶胶光学厚度、悬浮泥沙浓度、叶绿素浓度反演和显示等功能,可为环境管理部门提供大范围、快速的决策支持,具有较好的可扩展性。(本文来源于《地理信息世界》期刊2019年03期）
蔡雯洁,沙晋明[4]（2019）在《基于地理环境要素的叶面积指数遥感定量反演》一文中研究指出叶面积指数(LAI)是分析冠层结构最常用的参数之一,它控制着植被的生物、物理过程,如光合、呼吸、蒸腾、碳循环和降水截获。但是通过地面直接测量来获取大面积的LAI十分困难,而传统的基于单植被指数的LAI反演方法也具有一定的缺陷。以福州市辖区与闽侯县的阔叶林和处于生殖生长阶段的水稻为研究对象,在传统单植被指数的LAI反演方法的基础上引进植被含水量、植被覆盖度和地形3个核心环境因子来建立LAI估算模型。结果表明:基于最佳植被指数与环境因子的LAI估算模型与未考虑环境因子的单植被指数LAI估算模型相比,其验证精度有所提高。其中,就阔叶林的LAI定量反演模型而言,R~2由0. 706～0. 717提升至0. 755,RMSD由0. 292～0. 297降低至0. 271;就生殖生长阶段的水稻LAI定量反演模型而言,R~2由0. 724～0. 879提升至0. 952,RMSD由0. 696～1. 054降低至0. 441,实现了较高精度的LAI定量反演模型,为福州市辖区及其周边闽侯县区域的LAI快速定量监测奠定基础。(本文来源于《亚热带资源与环境学报》期刊2019年02期）
黄文喜[5]（2019）在《基于遥感与地面监测数据的PM_(2.5)定量反演研究》一文中研究指出大气气溶胶是指大气中悬浮的固、液态微粒与气态载体共同组成的多相物质体系。由于其在全球地-气辐射收支平衡和气候迁移及动态变化中起关键作用,故能对局部乃至全球大气、生态、环境系统发生极其深远的影响。气溶胶组分中空气动力学直径小于等于2.5μm的组分通常被称作可入肺颗粒物(Repairable Particles)或PM_(2.5),其对于大气质量监测与公共环境政策制定至关重要,也成为环境科学领域的热点研究问题。近年来,伴随着社会、经济持续高速发展,城市化进程不断加深,大中城市出现广泛且持续的灰霾天气,使得我国成为全球颗粒物污染最严重的区域之一。基于PM_(2.5)粒子的消光特性,利用卫星遥感数据反演气溶胶光学厚度(Aerosol Optical Depth,AOD),从而间接获取近地面PM_(2.5)空间分布特征,是监测PM_(2.5)浓度分布的一项便捷高效手段。受益于遥感自身观测特点与数据分辨率(空间、光谱、时间)的普遍提升,利用遥感监测PM_(2.5)空间分布,从而快速获取大范围、时空连续的PM_(2.5)质量浓度信息方面具备极其明显的优势。但由于大气环境复杂的时空变异特性,同时受限于我国颗粒物遥感监测起步较晚,且长期缺乏大范围、长时序的PM_(2.5)地面监测数据,使得我国在城市AOD高精度反演、颗粒物遥感估算模型精度及时空适用性等方面仍有待提高。由于城市区域相较于其他陆域地表,其地表反射率较大,使得地表贡献确定困难,因此地气贡献分离是AOD高精度反演要解决的关键问题。本研究沿用暗像元V5.2算法获取城市区域高亮地表反射率,将红、蓝波段地表反射率定义为植被指数与散射角的函数,实现城市亮地表反射率获取。由于气溶胶模型直接影响区域颗粒物消光特性,针对当前气溶胶类型划分粗放,不满足大比例尺区域反演需要的问题,本研究在V5.2算法基础上采取一种确定气溶胶组分体积百分比的数学模型,自定义研究区气溶胶组分体积比,研究结果表明,采用自定义气溶胶模型相对于传统既定模型,AOD反演相对误差值低至少4%,且反演精度高、模型可靠。本研究基于6S辐射传输模式构建查找表实现AOD高精度反演,针对传统查找表结构冗余,步长设置过于紧密,效率低下等问题,本研究在考虑传感器几何成像条件、大气条件和地表高程等影响大气校正的多个耦合因子,借助6S模型逐个分析了各输入变量对光学厚度的影响,以合理约束不同输入变量的步长;同时选取合理的查找表插值算法,通过研究和分析查找表不同存储方式的效率和精度,建立多维、高效、高精度的AOD反演参数查找表。本研究采取自定义气溶胶模型算法、查找表结构、步长优化设计方案,并结合暗像元V5.2算法实现研究区气溶胶AOD高精度反演,与MODIS气溶胶产品(10 km)相比,具有更高的空间分辨率(1 km)、更丰富的空间细节。本研究的AOD反演结果与AERONET监测数据在0.01置信水平(双侧检验)下显着相关,其Pearson相关系数为0.756,二者具有更高的相关性(年均R~2=0.857)。由于气溶胶中存在大量可溶性成分,受环境湿度的影响,在凝结与蒸发效应下其粒径,密度,形状,复折射指数及粒径分布函数都会发生改变,颗粒物消光截面增大,使得相同浓度的粒子在不同湿度条件下消光特性有较大差别。需要在拟合二者关系模型前进行湿度订正,以减少气溶胶消光系数随湿度变化而引入的不确定性。研究中引入气象数据、AERONET数据、能见度数据探求气溶胶消光系数的吸湿增长规律,采用平均质量消光效率描述城市复合气溶胶粒子整体消光特性随湿度的变化规律,并基于平均质量消光效率的吸湿增长因子描述空气相对湿度(Relative Humidity,RH)对粒子整体消光的特性影响,并在二者数据的基础上,拟合出研究区最佳PM_(2.5)吸湿增长模型。AOD是气溶胶粒子在垂直方向上消光系数的总积分,而PM_(2.5)实测值仅表征近地面空气质量。为了减少关系模型的不确定性,需要探究气溶胶垂直分布特征,获取气溶胶标高(Aerosol Standard Height,ASH),将AOD转化为近地面气溶胶消光系数,与PM_(2.5)地面监测数据在垂直层上进行匹配。本研究对经典Peterson模型进行改进,通过增加时间变量考虑大气状态变化对模型的影响,动态化获取季节性标高以实现垂直订正。在对AOD与PM_(2.5)湿度与垂直订正后,本研究利用卫星遥感AOD首先采用直接预测、考虑垂直与湿度订正后预测,建立线性、对数、一元二次、幂指函数等拟合模型,并对各模型进行精度分析与验证。为探究气象因子对预测效果的影响,研究中进一步联合气象因子建立全年和四季的多元线性和非线性回归模型进行PM_(2.5)浓度预测。由于气象因素为主的因子与PM_(2.5)之间呈现出较强的非线性,考虑到相比多元回归建模预测,机器学习算法建模能较好捕捉PM_(2.5)质量浓度与各输入因子之间的非线性影响规律,研究又引入BP神经网络进行PM_(2.5)质量浓度预测,并对各模型反演效果对比分析。实现以遥感技术监测AOD为基础,利用两者的定量模型达到量化PM_(2.5)浓度的目的,弥补了传统大气监测以点带面的不足,从而为运用卫星遥感手段来实时动态监测PM_(2.5)浓度提供一种新思路。(本文来源于《中国地质大学》期刊2019-05-01）
孙乐成,王娟,王林[6]（2019）在《基于实测数据的北海区海水表层叶绿素a浓度遥感定量反演》一文中研究指出为提高我国海洋水色遥感技术和海水环境监测水平,文章根据北海区海水遥感现场监测数据,基于经验算法和荧光基线高度法的回归分析,开展海水表层叶绿素a浓度的遥感定量反演,并选取北黄海近岸海域样本数据进行算法检验。研究结果表明:辽东湾等9个北海区典型海域具有相同或相似海水表层光学特性,适宜建立海水表层叶绿素a浓度遥感定量反演模型;典型海域海水表层叶绿素a浓度与遥感反射率之间的相关关系较强,模型均为简单波段比值模型;二类海水研究区域海水表层叶绿素a浓度与荧光基线高度之间的相关关系不明显;北黄海近岸海域海水表层叶绿素a浓度的最优模型遥感定量反演值的相对误差的平均值为0.669μg/L。(本文来源于《海洋开发与管理》期刊2019年04期）
项鑫,马林娜,路朋[7]（2019）在《遥感定量反演华北平原地区冬小麦含水量》一文中研究指出针对现有植被水分反演算法在华北平原地区适用性差、反演精度低、不能实施有效监测的问题,该文基于地面实测冬小麦植被含水量(VWC)数据,基于归一化型和比值型植被水分指数这两种常见的指数类型,提出调节植被水分指数以削弱土壤背景的影响,使用多个波段反射率数据反演VWC,提高拟合精度80%以上,发展适用于华北平原的农作物水分含量反演模型。拟合冬小麦植被含水量的决定系数为0.51,均方根误差为0.95(kg·m~(-2))。结果表明:调节植被水分指数能够削弱土壤背景影响,大幅度提高植被水分反演精度;同一种指数计算形式中,在水汽吸收谷内,基于更长波段反射率的植被水分指数反演精度更高;归一化型和比值型植被水分指数在反演精度方面无明显优劣,归一化型植被水分指数反演精度。(本文来源于《测绘科学》期刊2019年06期）
马秀梅,周可法,王金林,崔世超[8]（2018）在《高光谱遥感定量反演成矿元素含量的研究进展》一文中研究指出随着遥感技术的不断发展,高光谱遥感也相应取得了较大的进步,而其应用于找矿方面也越来越广阔。在有土壤覆盖物的多金属矿区,遥感土壤地球化学方法也相应地取得了较大的发展。多金属矿区土壤覆盖物的重金属元素含量测量是判断矿区成矿元素地球化学异常的标志,同时为找矿预测打下基础。使用遥感手段定量化的提取矿区表层覆盖物(土壤)中地球化学信息是找矿预测的必经之路。文章从理论、技术及定量化反演方法叁个方面对高光谱遥感应用于土壤地球化学研究取得的新进展进行归纳和总结,并展望遥感土壤地球化学的应用前景。(本文来源于《地质找矿论丛》期刊2018年04期）
黄祥,周蕊,王茜,王克晓,虞豹[9]（2018）在《遥感定量反演农作物叶绿素的现状与发展》一文中研究指出叶绿素是农作物生长过程中重要的生理参数,其含量是评价农作物长势的重要指标。利用定量遥感技术对农作物叶绿素含量进行反演,可辅助大面积农作物长势监测、产量预测等。总结并分析了近几年遥感定量反演叶绿素的主要研究成果,表明物理模型法更具普适性,适宜大面积农作物叶绿素含量反演,是未来定量遥感发展的重要方向,但是有待辐射传输机理的进一步完善;统计模型法是目前应用最广的反演模型,但是无明确物理意义,探索通过不同光谱特征量组合来改善模型普适性,减弱环境因素影响,对提升当前统计模型反演精度有重要意义。(本文来源于《安徽农业科学》期刊2018年32期）
王锐,蔡朕[10]（2018）在《基于多光谱遥感的耕地土壤有机质定量反演》一文中研究指出以重庆市江津区LandSat 8(L8)多光谱遥感影像和地面样点测土配方数据,开展了研究区L8地表反射率与土壤有机质的相关性分析,然后采用逐步回归分析的方法建立了研究区土壤有机质含量的遥感反演模型,最后利用模型计算了研究区土壤有机质含量分布。结果表明:研究区L8各波段地表反射率与土壤有机质含量均呈负相关,双侧显着性检验均<0. 01,其中,第6波段相关系数达到最大值为-0. 840;以第4、5、6和7波段地表反射率建立的土壤有机质含量多元回归反演模型结果较好,模型判定系数R~2=0. 741;研究区土壤有机质含量遥感反演结果表明,研究区南部和北部边缘的土壤有机质含量较高,沿江浅丘阶地和中部深丘谷地的土壤有机质主要为10～30 g/kg,呈现不规律分布。(本文来源于《农业工程》期刊2018年11期）
定量遥感反演论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
定量遥感找矿是遥感大数据在找矿应用中的一项前沿技术。本文采用多元回归分析方法,通过对多组不同数量地表铝土矿样本进行遥感建模与反演实验,探索样本量对定量遥感建模的影响。实验中,首先以地表采样获得的Al2O3、SiO2含量分析结果作为样本数据,再根据样本位置从Landsat 8遥感数据中分别读取1～7个波段反射率数据,然后利用SPSS软件,将Al2O_3、SiO_2含量与相应的1～7波段反射率进行多元回归分析,并分别建立Al_2O_3、SiO_2含量遥感定量反演模型。为了得到最佳反演模型,随机选出6批不同数量的样本进行建模实验,每批样本大约2/3用于建模,其余1/3用于模型检验。实验结果表明:随着样本量增加,模型的判定系数(R2)均呈先快速升高后缓慢下降的趋势,反演结果的均方根误差则与之相反。当样本量为50左右时,判定系数取得极大值,均方根误差取得极小值,总体具有偏态分布特征。最后,利用遥感影像对样本量为50时建立的模型进行反演验证,研究区地表Al2O_3、SiO_2含量的反演结果与实际情况吻合得很好,从而证实了该建模方法具有可靠性,可以进一步推广使用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
定量遥感反演论文参考文献
[1].谭昌伟,周欣兴,张鹏鹏,汪志祥,王敦亮.冬小麦孕穗期主要苗情参数卫星遥感定量反演研究[C].2019年中国作物学会学术年会论文摘要集.2019
[2].成功,钟超岭,袁海明,任明,许文文.基于样本数据的红土型铝土矿定量遥感建模与反演研究[J].地学前缘.2019
[3].刘宇昕,王斌,王兆徽,张峰,宋清涛.基于开源框架的生态环境要素遥感定量反演平台构建[J].地理信息世界.2019
[4].蔡雯洁,沙晋明.基于地理环境要素的叶面积指数遥感定量反演[J].亚热带资源与环境学报.2019
[5].黄文喜.基于遥感与地面监测数据的PM_(2.5)定量反演研究[D].中国地质大学.2019
[6].孙乐成,王娟,王林.基于实测数据的北海区海水表层叶绿素a浓度遥感定量反演[J].海洋开发与管理.2019
[7].项鑫,马林娜,路朋.遥感定量反演华北平原地区冬小麦含水量[J].测绘科学.2019
[8].马秀梅,周可法,王金林,崔世超.高光谱遥感定量反演成矿元素含量的研究进展[J].地质找矿论丛.2018
[9].黄祥,周蕊,王茜,王克晓,虞豹.遥感定量反演农作物叶绿素的现状与发展[J].安徽农业科学.2018
[10].王锐,蔡朕.基于多光谱遥感的耕地土壤有机质定量反演[J].农业工程.2018