摘要:为研究归一化植被指数（normalized difference vegetation index，NDVI）和增强植被指数（enhanced vegetation index，EVI）的表征差异是否会造成有关植被研究的结果差异，分别在采用2005—2020年MODIS-NDVI、MODIS-EVI 2种不同遥感植被指数表征粤港澳大湾区植被空间特征的基础上，以同时期17个自然因子和人为因子作为驱动因子，通过地理探测器模型方法，计算各驱动因子对基于NDVI和EVI的植被空间特征的影响力。结果显示，虽然粤港澳大湾区南亚热带-热带植被在NDVI和EVI的表征下，其结果存在差异，但在不同植被指数下，通过地理探测器模型方法计算各驱动因子影响力量化及排序结果基本一致，未受不同植被指数表征差异的影响。在驱动因子中，土地利用类型、高程均是最主要驱动因子，对植被空间分布影响力均超过50%。因子之间均表现出双因子增强作用。土地利用类型协同人口分布因子对NDVI表征下的植被空间分布影响力最强；高程协同人口分布因子对EVI表征下的植被空间分布影响力最强。研究结果表明，虽然NDVI、EVI在表征植被覆盖特征方面存在差异，但是基于不同植被指数计算的驱动因子定量分析结果趋于一致。

摘要:为快速准确地获取植株冠层氮素含量及空间分布特征，对大尺度的果园进行精准动态的管理，以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象，通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数，运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型，并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中，融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量；植被指数训练集R2为0.710，测试集R2为0.430；纹理指数训练集R2为0.761，测试集R2为0.349；融合植被指数和纹理指数训练集R2为0.775，测试集R2为0.533。融合植被指数和纹理指数在SVM算法训练集R2为0.511，测试集R2为0.371；BP神经网络训练集R2为0.651，测试集R2为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演，得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高，其次为宽行窄株篱壁模式，传统栽培模式最低，氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量，可为大尺度柑橘果园定量施肥提供参考。

摘要:以自然光下大田油菜幼苗图像为研究对象，运用超红指数ExR、超绿指数ExG、超绿超红差分指数ExGR、归一化植被指数NDI、植被提取颜色指数CIVE、植被指数组合COM 等6种常用植被指数和阈值算法分割具有阴影区域的大田油菜图像，同时试验中引入定量评价标准客观评价常用RGB空间植被指数的分割效果。结果表明：定性分析中COM指数优于其他5种植被指数，能够减少阴影带来的分割影响，并在局部叶片分割试验中保留完整叶片轮廓；定量分析中COM指数提供最佳分割精度、灵敏度和特指度分别为94.1%、97.2%、90.9%，其相应标准差为1.1、1.3和0.06。