基于ALI影像的植被冠層葉面積指數(shù)的遙感反演研究.pdf

1、植被葉面積指數(shù)(LAI)作為植被冠層結(jié)構(gòu)中極其重要的一個(gè)參數(shù)，它不僅直接控制著植被的許多生物物理過程，如光合作用、植物的呼吸、植物蒸騰以及降水截獲，而且它也為植被冠層表面最初能量交換的描述提供了結(jié)構(gòu)化的定量信息。此外，LAI在一些學(xué)科研究與應(yīng)用中的作用頗大，如農(nóng)學(xué)、林學(xué)、生態(tài)學(xué)和農(nóng)業(yè)氣象學(xué)。然而，由于受到葉面積指數(shù)的傳統(tǒng)采樣方法、數(shù)據(jù)分析和儀器誤差等諸多因素的影響，使得大范圍快速獲取LAI的可能幾乎為零，從而無法滿足日益增長(zhǎng)的實(shí)際需求。

2、隨著科學(xué)技術(shù)的發(fā)展和遙感技術(shù)應(yīng)用的日益廣泛與成熟，快速準(zhǔn)確的進(jìn)行大面積區(qū)域的LAI動(dòng)態(tài)監(jiān)測(cè)成為了一種可能。而在非點(diǎn)源污染模擬研究中，快速準(zhǔn)確獲取研究區(qū)大面積的LAI，對(duì)修正SWAT分布式模型的植物生長(zhǎng)模式中流域植被的葉面積指數(shù)采用平均值的問題有較大的意義。
　　 本研究以鄱陽湖源頭之一的梅江流域作為研究區(qū)域，采用EO-1上搭載的高級(jí)陸地成像儀(ALI)生成的多光譜影像作為遙感數(shù)據(jù)，并利用遙感處理影像軟件對(duì)影像進(jìn)行了基本預(yù)處理之后

3、，運(yùn)用波段運(yùn)算工具計(jì)算各植被指數(shù)信息;同時(shí)，對(duì)研究區(qū)進(jìn)行實(shí)地葉面積指數(shù)測(cè)量時(shí)，根據(jù)植被垂直分布和水平分布的原則，進(jìn)行植被冠層的實(shí)際采點(diǎn)，并借助植物冠層分析儀LAI-2000測(cè)量獲得其LAI值，而后對(duì)采樣所得的地面實(shí)測(cè)冠層LAI數(shù)據(jù)與通過遙感影像所獲得的植被指數(shù)建立空間位置上的聯(lián)系，提取出相應(yīng)點(diǎn)的VI值，擬合兩者之間的關(guān)系，得到相應(yīng)的反演模型，在回歸模型中依據(jù)相關(guān)系數(shù)R2找出最佳模型，最后反演制圖得到該研究區(qū)的植被冠層LAI圖。本研究主要

4、研究結(jié)論如下:
　　 (1)通過建立LAI-VIs線性回歸模型發(fā)現(xiàn):在所有構(gòu)建的一元線性回歸模型中，LAI-MSAVI擬合效果最好，其相關(guān)系數(shù)R2達(dá)到了0.5601，其次為SAVI系列的。在建立的多元線性回歸模型中發(fā)現(xiàn)其效果有所提高，其相關(guān)系數(shù)R2達(dá)到了0.673。
　　 (2)在建立的LAI-VIs非線性回歸模型中發(fā)現(xiàn):在所選取的十種植被指數(shù)為自變量所構(gòu)建的非線性模型中，均以二次多項(xiàng)式模型擬合的效果最好，相關(guān)系數(shù)范圍達(dá)

5、到最高，為0.2897～0.6314，僅次于二次多項(xiàng)式模型的為對(duì)數(shù)模型，其相關(guān)系數(shù)范圍在0.2300～0.5838。
　　 (3)通過對(duì)比分析線性模型和非線性模型，發(fā)現(xiàn)二元線性模型的擬合效果最佳，其次為非線性模型二次多項(xiàng)式模型，總的來說，非線性模型較之于線性模型，擬合程度較高。
　　 (4)最后通過綜合分析與比較選取LAI-MSAVI一元線性模型，多元線性模型以及非線性模型中的LAI-RDVI二次多項(xiàng)式模型、LAI-RD