植被指數(shù)總結(jié)資料

1、學(xué)習(xí)-好資料1生物量生物量：指某一時(shí)刻單位面積內(nèi)實(shí)存生活的有機(jī)物質(zhì)（干重）北京地區(qū)森林植被：北京地區(qū)森林植被生物量遙感反演及時(shí)空動(dòng)態(tài)格局分析 _張呼倫貝爾草地：基于環(huán)境減災(zāi)衛(wèi)星遙感數(shù)據(jù)的呼倫貝爾草地地上生物量反演研究 _陳鵬飛延慶縣森林：基于SP0T5勺延慶縣森林生物量研究_韓冬花蘆葦：基于光譜特征信息的蘆葦生物量反演研究 _陳愛(ài)蓮根據(jù)實(shí)地測(cè)量的蘆葦反射光譜數(shù)據(jù)，建立該區(qū)域蘆葦?shù)墓庾V數(shù)據(jù)庫(kù)，提 取蘆葦光譜維特征參數(shù);并以光譜維特征為依據(jù)選取衛(wèi)星數(shù)據(jù),分析衛(wèi) 星數(shù)據(jù)與實(shí)測(cè)蘆葦光譜特征的相關(guān)性，進(jìn)而應(yīng)用光譜角角度匹配!光譜 特征擬合!二進(jìn)制編碼等三種光譜匹配技術(shù)，研究衛(wèi)星數(shù)據(jù)光譜與實(shí)測(cè) 蘆葦光譜的

2、匹配度，提取影像的蘆葦像元,作為大面積自動(dòng)估算蘆葦生 物量的基礎(chǔ)水稻：1.微波遙感水稻種植面積提取一生物量反演與稻田甲烷排放模擬一張遠(yuǎn)2. 水稻高光譜特征及其生物理化參數(shù)模擬與博士估測(cè)模型研究_唐延林遼東灣 翅堿蓬：遼東灣雙臺(tái)子河口濕地翅堿蓬生物量遙感反演研究一吳濤.cajSAVI和MSAVI與LAI的關(guān)系取樣框內(nèi)樣方所在經(jīng)度、緯度及高程、樣方內(nèi)水深、植株高度、蓋度等。同步采集植被冠層 光譜葉面積指數(shù)。對(duì)樣方內(nèi)植株個(gè)體先稱 干重在稱量濕重?，F(xiàn)場(chǎng)光譜測(cè)定與處理：使用光譜儀為ISI921VF-256便攜式地物光譜輻射計(jì)采集現(xiàn)場(chǎng)光譜值。 衛(wèi)星遙感和TM數(shù)據(jù)和CCD數(shù)據(jù)。小麥：冬小麥花期生理形態(tài)指標(biāo)與

3、衛(wèi)星遙感光譜特征的相關(guān)性分析_李衛(wèi)國(guó).pdf 2葉綠素玉米：1.不同氮處理春玉米葉片光譜反射率與葉片全氮和葉綠素含量的相關(guān)研 究王磊.pdf2. 基于小波分析的玉米葉綠素a與LAI高光譜反演模型研究_宋開(kāi)山.pdf3. 受污染脅迫玉米葉綠素含量微小變化的高光譜反演模型一王平.pdf4. 夏玉米葉片全氮_葉綠素及葉面積指數(shù)的光譜響應(yīng)研究 _譚昌偉.pdf5. 利用遙感紅邊參數(shù)估算夏玉米農(nóng)學(xué)參數(shù)的可行性分析_譚昌偉.caj大豆：1.大豆葉綠素含量高光譜反演模型研究 _宋開(kāi)山.pdf2 大豆葉片水 平葉綠素含量的高光 譜反射率反演模型研 究_陳婉婧.pdf (紅邊位置與植物葉片的相關(guān)性在紅邊參數(shù)中相

4、關(guān)性最好，紅邊斜率主要與lai相關(guān))3 基于多角度成像數(shù)據(jù)的大豆冠層葉綠素密度反演_張東彥.pdf4 基于小波分析的大豆葉綠素 a 含量高光譜反演模型 _宋開(kāi)山 .pdf5 小波分析在大豆葉綠素含量高光譜反演中的應(yīng)用_宋開(kāi)山.pdf森林：1.基于Hyperion數(shù)據(jù)的森林葉綠素含量反演_楊曦光.pdf2. 基于PROSPECT_SA模型的森林冠層葉綠素含量反演 _楊曦光.pdf3. 基于葉片光譜的森林葉綠素濃度反演研究 _焦全軍 .pdf4 森林葉片葉綠素含量反演的比較與分析 _佃袁勇 .caj水稻：1.水稻葉片不同光譜形式反演葉綠素含量的對(duì)比分析研究_陳君穎.pdf2. 水稻葉片葉綠素含量的

5、光譜反演研究 _陳君穎.caj3. 水稻葉片葉綠素含量與吸收光譜變量的相關(guān)性研究_劉子恒 .pdf4. 水稻高光譜特征及其生物理化參數(shù)模擬與博士 估測(cè)模型研究 _唐延 林.caj5. 利用高光譜參數(shù)預(yù)測(cè)水稻氮素狀況 _色素含量和籽粒蛋白含量的研究 _ 孫雪梅 .caj6. 水稻高光譜特征及其生物理化參數(shù)模擬與博士 估測(cè)模型研究 _唐延 林.caj小麥：1.基于ACRM模型不同時(shí)期冬小麥LAI和葉綠素反演研究_李宗南.caj2. 基于BP和GRN神經(jīng)網(wǎng)絡(luò)的冬小麥冠層葉綠素高光譜反演建模研究_孫焱鑫 .pdf3. 基于BP和GRN神經(jīng)網(wǎng)絡(luò)的冬小麥冠層葉綠素高光譜反演建模研究_孫焱鑫 .pdf4.

6、基于SVF算法的小麥冠層葉綠素含量高光譜反演 梁亮(1).caj5. 基于高光譜數(shù)據(jù)的小麥葉綠素含量反演 _趙祥. caj6. 基于高光譜數(shù)據(jù)的小麥葉綠素含量反演 _趙祥. caj7. 用多角度光譜信息反演冬小麥葉綠素含量垂直分布_趙春江 .pdf8. 冬小麥花期生理形態(tài)指標(biāo)與衛(wèi)星遙感光譜特征的相關(guān)性分析 _李衛(wèi) 國(guó).pdf丁香：丁香葉片葉綠素含量偏振高光譜數(shù)學(xué)模型反演研究韓陽(yáng).pdf 棉花： 基于棉花紅邊參數(shù)的葉綠素密度及葉面積指數(shù)的估算_黃春燕 .pdf苜蓿： 基于因子分析的苜蓿葉片葉綠素高光譜反演研究_肖艷芳 .pdf法國(guó)梧桐：基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的法國(guó)梧桐葉綠素含量高光譜反演研

7、 究_姚付啟.pdf濕地小葉章： 濕地小葉章葉綠素含量的高光譜遙感估算模型_李鳳秀 .pdf行道樹(shù)： 行道樹(shù)葉綠素變化的高光譜神經(jīng)網(wǎng)絡(luò)模型 _劉殿偉 .pdf 落葉松： 用高光譜數(shù)據(jù)反演健康與病害落葉松 _省略 _和龍兩市落葉松冠層采樣 測(cè)量數(shù)據(jù)石韌.pdf毛竹林：毛竹林冠層參數(shù)動(dòng)態(tài)變化及高光譜遙感反演研究_陸國(guó)富.caj闊葉紅松林 ：闊葉紅松林 3 個(gè)主要樹(shù)種垂直結(jié)構(gòu)上的光合光譜研究 _方曉雨 .caj學(xué)習(xí)-好資料3葉面積葉面積指數(shù)：（leaf area in dex ）又叫葉面積系數(shù)，是指單位土地面積上植物葉片 總面積占土地面積的倍數(shù)。即：葉面積指數(shù)=葉片總面積/土地面積。葉面積指數(shù)（Le

8、af A rea In dex, LA I）是指單位地表面積上所有葉片面積總和的一半。葉面積的大小及其分布直接影響著植被冠層對(duì)光能的截獲及利用，因此LA I已成為在研究植物光合作用、蒸騰作用、碳循環(huán)和水分截獲時(shí)的一個(gè)重要參數(shù),從而廣泛地應(yīng)用于各種地學(xué)模型，如生態(tài)系統(tǒng)功能模型、作物生長(zhǎng)模型、凈初級(jí)生產(chǎn)力模型、大氣模型、水循環(huán)模型及生物地理化學(xué) 模型等。直接觀測(cè)方法：拓印葉片后用結(jié)合求積儀測(cè)量、光電葉面積儀掃描直接測(cè)量和葉片拍照后進(jìn)行計(jì)算機(jī)處理等方法是點(diǎn)的LAI的直接觀測(cè)方法。適用于小型或少量樣區(qū)觀測(cè)。光學(xué)儀器觀測(cè)：各種LAI光學(xué)觀測(cè)儀器（如LAI 2000，DEMON TRAC MVI等）通過(guò)測(cè)

9、量植物冠層間隙度獲得植物冠層LAI，觀測(cè)效率高于上述傳統(tǒng)觀測(cè)方法，但在草地應(yīng)用時(shí)易產(chǎn)生較大的誤差。遙感方法：遙感技術(shù)具有覆蓋廣、 重采樣頻率高等優(yōu)點(diǎn)，為進(jìn)行區(qū)域或全球范圍的 LAI反演提供了有效途徑。方法一，統(tǒng)計(jì)模型法：統(tǒng)計(jì)模型法以光譜反射率或植被指數(shù)為自變量、LAI為因變量，采用各種統(tǒng)計(jì)方法建立的根據(jù)遙感資料估算LAI的模型，該類模型雖然存在著參數(shù)隨時(shí)間和地點(diǎn)變化的不足，但輸入?yún)?shù)少，形式簡(jiǎn)潔，計(jì)算簡(jiǎn)單。統(tǒng)計(jì)模型現(xiàn)在常被用于從高分辨率遙感數(shù)據(jù)生成 LAI，對(duì)反演方法得到的LAI進(jìn)行檢驗(yàn)。方法二，物理模型法（包 括輻射傳輸模型和幾何光學(xué)模型），：物理模型建立在輻射傳輸模型基礎(chǔ)上，物理機(jī)理性強(qiáng)，

10、但所需參數(shù)多，結(jié)果對(duì)參數(shù)設(shè)置敏感。方法三：綜合模型方法草地：1.基于高光譜數(shù)據(jù)和RBF神經(jīng)網(wǎng)絡(luò)方法的草地葉面積指數(shù)反演 包剛.pdf CD每個(gè)樣地內(nèi)布設(shè)30個(gè)1 m X 1 m的樣方，每個(gè)樣方內(nèi)測(cè)定5條冠層光譜反射率曲線， 取其平均值作為該樣方的最終光譜反射率。光譜測(cè)量使用美國(guó)ASD公司設(shè)計(jì)制造的Field-SpeQR HandHeld高便攜性地物波譜儀，可在3501 100 nm波長(zhǎng)范圍內(nèi)進(jìn)行連續(xù)測(cè)量 （采樣間隔約為1.5 nm）,適用于從農(nóng)作物監(jiān)測(cè)、森林和草地研究到海洋學(xué)研究、礦物勘察等各方面。使用光譜采集軟件包RS3對(duì)光譜數(shù)據(jù)進(jìn)行均值計(jì)算、數(shù)據(jù)導(dǎo)出等預(yù)處理。采用美國(guó)LI COR公司生產(chǎn)的

11、LAI 2000冠層分析儀測(cè)量草地冠層葉面積指數(shù)，該儀 器使用的敏感波段設(shè)計(jì)在320490 nm之間，通過(guò)輻射轉(zhuǎn)移模型用觀測(cè)數(shù)據(jù)來(lái)推算LAI。2. 內(nèi)蒙古不同類型草地葉面積指數(shù)遙感估算 _柳藝博.pdfLAI 2000冠層分析儀進(jìn)行草地LAI的地面測(cè)量。用高精度手持GPS記錄樣區(qū)中心經(jīng)緯度及 海拔高度，并用數(shù)碼相機(jī)拍攝周圍景觀，記錄樣區(qū)的群落組成、優(yōu)勢(shì)種、層次、蓋度、植被 高度以及坡向、坡度等基礎(chǔ)數(shù)據(jù)?？梢詽M足建模和驗(yàn)證的基本需求。蘆葦：1.基于神經(jīng)網(wǎng)絡(luò)方法的蘆葦葉面積指數(shù)遙感反演一陳健.pdf2層BP神經(jīng)網(wǎng)絡(luò)模型來(lái)反演研究區(qū)的蘆葦LAI,以FCR模型模擬的TM數(shù)據(jù)的前4個(gè)波段的 反射率值以及

12、土壤類型作為模型的輸入值,以LAI為輸出值，激活函數(shù)選用雙曲正切函數(shù)。 樣本訓(xùn)練采用Levenberg - Marquardt算法，為了防止過(guò)度擬合，提高網(wǎng)絡(luò)的泛化能力，每訓(xùn) 練一定次數(shù)后便計(jì)算測(cè)試樣本的誤差，以便及時(shí)終止訓(xùn)練。2. 蘆葦?shù)厝~面積指數(shù)的遙感反演一陳健.pdf首先，利用FCR模型進(jìn)行計(jì)算，得出蘆葦在當(dāng)時(shí)條件下的查找表；然后，對(duì)查找表進(jìn)行分析計(jì)算，并得出統(tǒng)計(jì)規(guī)律；最后，根據(jù)該統(tǒng)計(jì)規(guī)律進(jìn)行蘆葦?shù)豅A I制圖。研究表明，該方法計(jì)算 簡(jiǎn)單易行 , 且精度較高 , 可較精確地用來(lái)反演蘆葦?shù)氐?LA I。小麥 ：1. 冬小麥葉面積指數(shù)高光譜遙感反演方法對(duì)比 .pdf2. 基于HJ星高光譜數(shù)據(jù)

13、紅邊參數(shù)的冬小麥葉面積指數(shù)反演 _陳雪洋.pdf3. 基于高光譜遙感的小麥葉干重和葉面積指數(shù)監(jiān)測(cè)馮偉.pdf4. 基于人工神經(jīng)網(wǎng)絡(luò)方法的冬小麥葉面積指數(shù)反演 _馬茵馳 .pdf5. 利用HJ_1_A_BCCD數(shù)據(jù)反演冬小麥葉面積指數(shù)_趙虎.pdf6. 小麥葉面積指數(shù)的高光譜反演梁亮.pdf7. 冬小麥花期生理形態(tài)指標(biāo)與衛(wèi)星遙感光譜特征的相關(guān)性分析_李衛(wèi)國(guó).pdf 水稻：水稻高光譜特征及其生物理化參數(shù)模擬與博士估測(cè)模型研究 _唐延林 .caj森林：1.HJ_1CCD與Landsat_省略_在森林葉面積指數(shù)反演中的比較分析 朱高 龍.pdf2.帽兒山地區(qū)森林冠層葉面積指數(shù)的地面觀測(cè)與遙感反演_朱高

14、龍.pdf柑橘樹(shù) ：基于光譜信息的柑橘樹(shù)葉面積指數(shù)測(cè)試系統(tǒng)研制 _吳偉斌 .pdf 大豆：基于人工神經(jīng)網(wǎng)絡(luò)的大豆葉面積高光譜反演研究 _宋開(kāi)山 .pdf 玉米：1.夏玉米葉片全氮_葉綠素及葉面積指數(shù)的光譜響應(yīng)研究 _譚昌偉.pdf2.基于小波分析的玉米葉綠素a與LAI高光譜反演模型研究_宋開(kāi)山.pdf 棉花: 棉花葉面積指數(shù)冠層反射率光譜響應(yīng)及其反演 _柏軍華 .pdf 祁連山云杉林 : 祁連山區(qū)青海云杉林冠層葉面積指數(shù)的反演方法 _趙傳燕 .pdf 煙草: 煙草葉面積指數(shù)的高光譜估算模型 _張正楊 .pdf 落葉松：興安落葉松葉面積指數(shù)反演與驗(yàn)證研究 _弓瑞.caj 蘆葦：東亞飛蝗發(fā)生區(qū)蘆葦

15、LAI的遙感反演及其尺度效應(yīng)研究陳健.caj 東北綠化樹(shù)種：東北主要綠化樹(shù)種葉面積指數(shù)_LAI_高光譜估算模型研究_湯旭光 毛竹林：毛竹林冠層參數(shù)動(dòng)態(tài)變化及高光譜遙感反演研究 _陸國(guó)富.caj 4 葡萄花油層1. 疊前反演技術(shù)在乾安北地區(qū)葡萄花油層的應(yīng)用 _柯欽 .pdf5 N,P水稻：1.基于冠層反射光譜的水稻氮素營(yíng)養(yǎng)與籽粒品質(zhì)監(jiān)測(cè)_周冬琴.caj2. 利用高光譜參數(shù)預(yù)測(cè)水稻氮素狀況_色素含量和籽粒蛋白含量的研究 _孫雪梅 .caj3. 水稻高光譜特征及其生物理化參數(shù)模擬與博士估測(cè)模型研究 _唐延林.caj小麥 ： 1. 基于冠層反射光譜的小麥氮素營(yíng)養(yǎng)與籽粒品質(zhì)監(jiān)測(cè)_李映雪 .caj2. 基

16、于氮素營(yíng)養(yǎng)指數(shù)的冬小麥籽粒蛋白質(zhì)含量遙感反演_陳鵬飛.pdf3. 利用地_空高光譜遙感監(jiān)測(cè)小麥氮素狀況與生長(zhǎng)特征_鞠昌華.caj4. 基于植物凈初級(jí)生產(chǎn)力模型的區(qū)域冬小麥估產(chǎn)研究_任建強(qiáng) .pdf5. 小麥冠層反射光譜與籽粒蛋白質(zhì)含量及相關(guān)品質(zhì)指標(biāo)的定量關(guān)系 _李 映雪 (1).pdf6. 冬小麥花期生理形態(tài)指標(biāo)與衛(wèi)星遙感光譜特征的相關(guān)性分析_李衛(wèi)國(guó).pdf森林：基于多源遙感數(shù)據(jù)的森林蓄積量估測(cè)方法研究_楊永恬 .caj蘋果樹(shù)：蘋果樹(shù)花期葉_冠 N_P營(yíng)養(yǎng)狀況的衛(wèi)星遙感反演研究王凌(3).caj 夏玉米 ：夏玉米葉片全氮 _葉綠素及葉面積指數(shù)的光譜響應(yīng)研究 _譚昌偉 .pdf 煙草：煙草高光譜

17、特性與農(nóng)藝 _生理_品質(zhì)指標(biāo)關(guān)系和估測(cè)模型研究 _李向陽(yáng) .caj 紫花苜蓿和緣毛雀麥 ：紫花苜蓿和緣毛雀麥高光譜與營(yíng)養(yǎng)成分的相關(guān)性研究_納欽.caj6 蛋白質(zhì)小麥：小麥冠層反射光譜與籽粒蛋白質(zhì)含量及相關(guān)品質(zhì)指標(biāo)的定量關(guān)系_李映雪水稻 ： 1. 水稻高光譜特征及其生物理化參數(shù)模擬與博士 估測(cè)模型研究 _唐延 林.caj2. 利用高光譜參數(shù)預(yù)測(cè)水稻氮素狀況 _色素含量和籽粒蛋白含量的研究_孫雪梅 .caj7 類胡蘿卜素闊葉紅松林 ：闊葉紅松林 3 個(gè)主要樹(shù)種垂直結(jié)構(gòu)上的光合光譜研究_方曉雨 .caj水稻 ： 1.水稻高光譜特征及其生物理化參數(shù)模擬與博士 估測(cè)模型研究 _唐延 林.caj2. 利用

18、高光譜參數(shù)預(yù)測(cè)水稻氮素狀況_色素含量和籽粒蛋白含量的研究_孫雪梅 .caj 8 石油烴蘆葦：1. 黃河三角洲石油污染對(duì)濕地蘆葦和堿蓬幼苗生長(zhǎng)影響的模擬研究 _于君寶 .caj 溫室盆栽模擬 結(jié)果表明，隨著石油濃度的增高， 蘆葦和鹽地堿蓬株高的受抑制程度 不斷增強(qiáng)，隨著時(shí)間的推移，石油污染對(duì)蘆葦分蘗的抑制作用減弱 ,而對(duì)鹽地堿蓬幼苗的分 枝數(shù)抑制作用加大。 隨石油濃度的增加，鹽地堿蓬幼苗葉片中可溶性蛋白質(zhì)含量先升高后降 低，丙二醛含量和過(guò)氧化物酶活力先降低后升高， 過(guò)氧化氫酶活力顯著降低； 蘆葦幼苗則對(duì) 石油污染表現(xiàn)出相對(duì)較強(qiáng)的耐受性。 不同石油污染條件下蘆葦幼苗葉片葉綠素含量表現(xiàn)出先 下降后升

19、高的變化趨勢(shì)。 從整體上來(lái)看， 石油烴類污染對(duì)鹽地堿蓬幼苗的抑制作用要高于蘆 葦幼苗，也說(shuō)明處理石油烴類污染物中蘆葦比堿蓬更具有優(yōu)勢(shì)。2. 遼河河口濕地蘆葦?shù)纳L(zhǎng)及生物量研究 _邵成 .caj 保護(hù)區(qū)內(nèi)選擇樣地，隨機(jī)選取樣方帶回實(shí)驗(yàn)室 ； 石油污染區(qū)域內(nèi)蘆葦?shù)母叨群蛷?向生長(zhǎng)受到明顯抑制 ,但蘆葦密度增加 ,污染對(duì)地上及地下生物量均無(wú)明顯影響 . 農(nóng)業(yè)開(kāi)發(fā)區(qū) 域蘆葦?shù)厣仙锪孔畹?.自然區(qū)域內(nèi)的蘆葦在高度、直徑、密度和地上生物量方面都比較穩(wěn) 定,除密度外 ,其它指標(biāo)在 6 個(gè)樣地中均較高 ,表明石油及農(nóng)業(yè)開(kāi)發(fā)不同程度上影響蘆葦生長(zhǎng) , 自然區(qū)域蘆葦生長(zhǎng)最好 .翅堿蓬 ： 1. 石油烴對(duì)翅堿蓬生

20、理特性的影響及植物 _微生物聯(lián)合降解 _高乃媛 .caj 通過(guò)盆栽實(shí)驗(yàn) ，測(cè)定在低濃度石油烴濃度下翅堿蓬的生長(zhǎng)生理指標(biāo)及沉積物和翅堿蓬中石油 烴含量的變化，研究石油烴對(duì)翅堿蓬生理特性和抗氧化酶系統(tǒng)的影響及植物 -微生物聯(lián)合修 復(fù)效果。結(jié)果表明， 翅堿蓬抗氧化酶能夠快速活性來(lái)抵御逆境， 植株還可通過(guò)增加其葉綠素 含量等來(lái)適應(yīng)或補(bǔ)償逆境造成的損失。 同時(shí)還發(fā)現(xiàn)， 當(dāng)植物處于石油烴污染沉積物時(shí)， 它體 內(nèi)污染物的分布會(huì)與自然情況下有所不同，自然情況下分布為莖 葉 根，受污染時(shí)分 布為根 莖 葉，該結(jié)果可以作為判斷沉積物是否受到污染的依據(jù)。實(shí)驗(yàn)的不同處理（加 植物加菌組、只加菌未種植物組、種植物未加菌

21、組 ） 去除率分別為 70 87%、63 66%和 60 26%，翅堿蓬 -降解菌處理的沉積物中石油烴殘留濃度最低、去除量最高，表明植物-微生物聯(lián)合作用更有利于石油烴污染沉積物的修復(fù)。2. 石油污染鹽堿土壤翅堿蓬根圍的細(xì)菌多樣性及耐鹽石油烴降解菌篩選_王新新.caj9 重金屬：重金屬目前尚沒(méi)有嚴(yán)格統(tǒng)一的定義 ,在化學(xué)中一般指密度在 .45創(chuàng)飾 3 以上的金屬 稱為重金 屬;翅堿蓬 ： 1. 常見(jiàn)重金屬在翅堿蓬（ Suaeda heteropter ）根際沉積物系統(tǒng)季節(jié)遷移變化 _朱鳴 鶴.caj應(yīng)用原子吸收光譜法（AAS和電感耦合等離子體原子發(fā)射光譜法（ICP-AES）寸翅堿蓬-根際沉積 物系

22、統(tǒng)常見(jiàn)重金屬（Cu、Pb、Zn和Cd）總量和不同化學(xué)形態(tài)含量進(jìn)行了季節(jié)跟蹤測(cè)定。結(jié)果 表明 , 系統(tǒng)中 Cu、 Zn、 Pb 和 Cd 環(huán)境化學(xué)行為呈現(xiàn)顯著季節(jié)變化。從化學(xué)形態(tài)上看 , 根際 沉積物中 Cu 和 Pb 在生理周期內(nèi)均以殘?jiān)鼞B(tài)為主 , 有機(jī)結(jié)合態(tài)在夏季和秋季達(dá)較高值。 Zn 在生理周期內(nèi)均以交換態(tài)為主且隨季節(jié)變化明顯 , 碳酸結(jié)合態(tài)和鐵錳結(jié)合態(tài)隨季節(jié)變化不 明顯。 Cd 以殘?jiān)鼞B(tài)為主 , 交換態(tài)在春季達(dá)最高。從總量上看 , 根際沉積物中的 Cu、 Zn、 Pb 的總量在夏季和秋季具有較高值。從系統(tǒng)遷移情況看 , 植物對(duì) Cu 和 Pb 吸收量均為冬季 春季秋季夏季, 且大部分限制

23、于地下 ; 其體內(nèi)分布除秋季 Pb 為根葉莖外, 其它時(shí)期均 為根莖葉。 Zn 吸收量為秋季 夏季冬季春季, 且絕大部分被吸收至地上。 Zn 吸收和分 布取決于根際沉積物生物有效含量 ; 總之 , 春季植物體重金屬向根際沉積物遷移。夏季和秋 季, Cu 、 Pb 和 Cd 由根際沉積物向植物體遷移變化并不明顯 , 而 Zn 正好相反。 4 種元素 在冬季均為根際沉積物向植物體內(nèi)遷移。2.潮灘植物翅堿蓬對(duì) Cu_Zn_Pb和Cd累積及其重金屬耐性_朱鳴鶴.caj化學(xué)方法+儀器測(cè)定：結(jié)果表明淇對(duì)Cu、Zn、Pb和Cd四種重金屬在不同潮灘均有比較明顯 的累積效應(yīng)，累積量均表現(xiàn)為ZnPbCuCdW累積

24、吸收系數(shù)分別達(dá)到4.7、4.6、3.1和4.9，生 物富集吸收系數(shù)分別為 0.97、 1.73、 0.41 和 2.23;研究結(jié)果還表明 ,由于該植物對(duì)上述四種重 金屬有一定的選擇吸收耐性 ,其累積在植物的不同部位存在明顯的差異 ,其中 Cu 表現(xiàn)為根 莖葉,Zn表現(xiàn)為葉 根莖,Pb表現(xiàn)為根 葉莖,Cd表現(xiàn)為根 莖U葉,而遷移效率表現(xiàn)為Zn Cu Cd Pb。3遼東灣雙臺(tái)子河口濕地翅堿蓬生物量遙感反演研究吳濤遼東灣雙臺(tái)子河口濕地翅堿蓬面積變化呈先降后升的趨勢(shì)。 通過(guò)植被指數(shù) （NDVI、RVI、PVI和MSAVI)和生物量的算法反演，發(fā)現(xiàn)翅堿蓬生物量曲線與分布面積曲線的變化趨勢(shì)一致。4基于環(huán)境

25、減災(zāi)衛(wèi)星遙感數(shù)據(jù)的呼倫貝爾草地地上生物量反演研究_陳鵬飛基于 MTVI2 和環(huán)境減災(zāi)衛(wèi)星多光譜影像可準(zhǔn)確生成草地生物量空間分布圖。5基于SP0T5的延慶縣森林生物量研究 _韓冬花6蘆葦：1.蘆葦對(duì)濕地中重金屬吸收的研究崔妍.caj在沒(méi)有新污染源的情況下，預(yù)測(cè)1.1年可以把污染土壤中nz吸收到安全值以F使上壤清 潔;12.8年能把土壤中污染重金屬Cd吸收干凈;.94年能把污染土壤中重金屬Cu吸收干凈，說(shuō) 明蘆葦對(duì)該地區(qū)Cu的吸收較弱而74.8年才能把污染土壤中Pb吸收干凈,這說(shuō)明蘆葦對(duì)該地 區(qū)Pb幾乎沒(méi)有吸收作用2 基于光譜特征信息的蘆葦生物量反演研究_陳愛(ài)蓮根據(jù)實(shí)驗(yàn)數(shù)據(jù)建立光譜數(shù)據(jù)庫(kù)， 提取蘆

26、葦光譜維特征參數(shù)， 并以光譜維特征為依據(jù)選取衛(wèi)星數(shù)據(jù)，分析衛(wèi)星數(shù)據(jù)與實(shí)測(cè)蘆葦光譜特征的相關(guān)性，進(jìn)而應(yīng)用光譜角角度匹配!光譜特征擬合！ 二進(jìn)制編碼等三種光譜匹配技術(shù)， 研究衛(wèi)星數(shù)據(jù)光譜與實(shí)測(cè)蘆葦光譜的匹配度， 提 取影像的蘆葦像元，作為大面積自動(dòng)估算蘆葦生物量的基礎(chǔ)。10 花青素1 花青素的研究現(xiàn)狀及發(fā)展趨勢(shì) _趙宇瑛 .caj2 翅堿蓬花青素提取方法研究 _劉晶晶 .caj冠層光譜參量(反射率R、一階微分光譜R和紅邊位置REP)生物化學(xué)參數(shù)： 葉綠素，類胡蘿卜素， 全氮，蛋白質(zhì)，直鏈淀粉含量， 生物物理參數(shù)：葉面積，生物量，含水率，活體形態(tài)參數(shù)，葉面積指數(shù) (LAI)比值植被指數(shù) (RVI)再

27、歸一化植被指數(shù) (RDVI)與歸一化植被指數(shù) (NDVI)垂直植被指數(shù)（PVI）差值植被指數(shù)（DVI）土壤調(diào)整植被指數(shù)（SAVI）轉(zhuǎn)換型土壤調(diào)整指數(shù) （TSAVI）11植被指數(shù)不含經(jīng)驗(yàn)參數(shù)的RV, NDVI, DVI, RDVI等植被指數(shù)，也包括將土 壤背景、大氣效應(yīng)考慮在內(nèi)的 SAVI TSAVJ MSAV，ARV，PVI等植 被指數(shù)植被指數(shù)主要反映植被在可見(jiàn)光、近紅外波段反射與土壤背景之 間差異的指標(biāo)，各個(gè)植被指數(shù)在一定條件下能用來(lái)定量說(shuō)明植被的生 長(zhǎng)狀況。在學(xué)習(xí)和使用植被指數(shù)時(shí)必須由一些基本的認(rèn)識(shí)：1、健康的綠色植被在NIR和R的反射差異比較大，原因在于 R對(duì)于 綠色植物來(lái)說(shuō)是強(qiáng)吸收的，

28、NIR則是高反射高透射的；2、建立植被指數(shù)的目的是有效地綜合各有關(guān)的光譜信號(hào)，增強(qiáng)植被 信息，減少非植被信息3、植被指數(shù)有明顯的地域性和時(shí)效性，受植被本身、環(huán)境、大氣等 條件的影響一、 RVI比值植被指數(shù)：RVI=NIR/R，或兩個(gè)波段反射率的比值。1、 綠色健康植被覆蓋地區(qū)的RVI遠(yuǎn)大于1，而無(wú)植被覆蓋的地面(裸土、人工建筑、水體、 植被枯死或嚴(yán)重蟲(chóng)害)的 RVI在1附近。植被的RVI通常大于2；2、 RVI是綠色植物的靈敏指示參數(shù)，與LAI、葉干生物量(DM)、葉綠素含量相關(guān)性高，可用 于檢測(cè)和估算植物生物量；3、 植被覆蓋度影響RVI,當(dāng)植被覆蓋度較高時(shí)，RVI對(duì)植被十分敏感；當(dāng)植被覆蓋

29、度 50%時(shí)，這種敏感性顯著降低；4、RVI受大氣條件影響，大氣效應(yīng)大大降低對(duì)植被檢測(cè)的靈敏度，所以在計(jì)算前需要進(jìn)行大氣校正，或用反射率計(jì)算RVI。NDVI歸一化植被指數(shù)：NDVI=(NIR-R)/(NIR+R)，或兩個(gè)波段反射率的計(jì)算。1、NDVI的應(yīng)用：檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度和消除部分輻射誤差等；2、 -1=NDVI95%的信息，這兩個(gè)分量構(gòu)成的二位圖可以很 好的反映出植被和土壤光譜特征的差異。4、GVI是各波段輻射亮度值的加權(quán)和，而輻射亮度是大氣輻射、太 陽(yáng)輻射、環(huán)境輻射的綜合結(jié)果，所以 GVI受外界條件影響大。九、 PVI 垂直植被指數(shù)，在R-NIR的二為坐標(biāo)系內(nèi)，植被像元到土壤

30、亮 度線的垂直距離。PVI=(StVr)2+(SmrVnir)2)1/2, S是土壤反射率，V是 植被反射率。2 1/2PVIrCNIR-aR-bjqi+p）（薛立宏 a=10.489: b=6.604）1、 較好的消除了土壤背景的影響，對(duì)大氣的敏感度小于其他VI2、PVI是在R-NIR二位數(shù)據(jù)中對(duì) GVI的模擬，兩者物理意義相同3、 PVI=（DNnir-b）cos B -DNrsinB , b是土壤基線與 NIR截距，q是土壤基線與 R的夾角。十 NIR/G近紅外與綠光波段比值 NIR/G其他1、根據(jù)具體情況改進(jìn)型：女口 MSS的DVI = B4-aB2,PVI=(B4-aB2-b)/(1

31、+a2)/2, SARVI = B4(B2+b/a); RDVI=(NDVK DVI)122、應(yīng)用于高光譜數(shù)據(jù)的 VI,女口 CARI葉綠素吸收比值指數(shù)）和 CACI（葉綠素吸收連續(xù)區(qū)指數(shù)）等VI劃分類型典型代表特點(diǎn)線性DVI低LAI時(shí)，效果較好；LAI增加愛(ài)時(shí)對(duì)土壤背景敏感比值型NDVI、RVI增強(qiáng)了土壤與植被的反射對(duì)比垂直型PVI低LAI時(shí)，效果較好；LAI增加愛(ài)時(shí)對(duì)土壤背景敏感公式來(lái)源：徐希孺.遙感物理M.北京：北京大學(xué)出版社,2005:121-141.XU Xiru. Remote sensing physicsM. Beijing: Beijing University Press,

32、 2005: 121-141.薛利宏, 曹衛(wèi)星, 羅衛(wèi)紅, 等. 光譜植被指數(shù)與水稻葉面積指數(shù)相 關(guān)性的研究 J. 植物生態(tài)學(xué)報(bào) , 2004, 28(1): 47-52.XUE Lihong, CAO Weixing, LUO Weihong, et al. Relationshipbetween spectral vegetation indeces and LAI in riceJ. ActaPhytoecologica Sinica, 2004, 28(1): 47-52.1遼東灣雙臺(tái)子河口濕地翅堿蓬(Suaeda salsa生物量遙感反演研究-吳濤 PV、SAVI 和 MSAVI-R

33、VJ NDVI, PVI, SAVI和 MSAVI2 基于光譜特征信息的蘆葦生物量反演研究 -以遼寧雙臺(tái)河口自然保 護(hù)區(qū)為試驗(yàn)區(qū) -陳愛(ài)蓮 DVI， NDVI， RDV，I ARVI比值植被指數(shù) Ratio vtetalitni indcsi ( RVl)!M 化 値被指數(shù) Normalized difference vegetation itul( A /) 17)臨直植被指數(shù) Pffpendicolar vegetal icni itidc ( P!)差值植被指數(shù) Difference vegetalion index ( DW)卜.壤調(diào)整植被指敖 Soil adjusted vrgHation ijbkoi (.S I fA轉(zhuǎn)換型土壤調(diào)整指數(shù) Transformed soil