基于tm影像的叶面积指数反演

《基于tm影像的叶面积指数反演》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本研究以小兴安岭地区孙吴县为研究区，利用现代卫星遥感技术，结合与其同步的实地调查采样数据和GPS测量技术，建立了从TM影像数据提取的植被指数(VlS)与地面实测的叶面积指数(LAI)的统计回归模型。从众多统计模型中按照各自确定系数尺2，选出反演LAI的最佳模型，用于研究地区的LAI反演制图。同时研究了有效叶面积指数与真实叶面积指数之间的内在联系，以及有效LAI与真实LAI在与植被指数之间建立反演模型时相关性的优劣。确定了四种植被指数与LAI的最佳适用模型。经过分析和研究得出以下结论：1通常采用LAI-2000仪器测得的有效LAI存在明显误

2、差，本文将传统测量LAI的方格法和描形称重法与现代数码和计算机技术结合起来，并通过生物量模型算得真实LAI，建立了二者之间的一元线性回归模型，检验精度达到92．4％。2通过建立有效LAI-VIS、真实LAI-VIS的不同形式的回归模型，发现在各种模型中真实LAI—VIS模型的相关性均要优于有效LAI-VIS模型，有利的说明了LAI数值的准确性对进行LAI-VIS模型反演精度有正相关性。3在LAI-VIS各种回归模型中，指数模型是最佳模型，其次是多元回归模型，但是多元回归模型削弱LAI-VIS关系的直观性，掩盖了两者间的生物物理机理。因此指数模

3、型更能直观反映LAI—VIS的关系。4在LAI-VIS的各种模型中，NDVI-LAI判定系数尺2值最大，相关性最高，其次为RVI，所以在本研究中NDVI和RVI更适合进行与LAI建模进行遥感反演分析。5通过对所有模型的分析对比以及精度检验，最终得出了最佳LAI反演模型是真实LAI-NDVI的指数模型，并用此模型制作了LAI遥感反演分级图。关键词有效LAI；真实LAI；植被指数；模型AbstractTakingSunwuCountyofHeilongiiangProvinceasthestudyarea，thestatisticregressi

4、onmodelsareestablishedbetweenLeafAreaIndex(LAI)measuredinfieldandthedifferentformsofVegetationIndex(vi)derivedfromLandsatTMimagerydata．BasedontheRandⅣvaluesofthemodels．selectthebestmodelforLAIinversion．AlsostudiedtheinternalrelmionsbetweeneffectiveLAIandrealLAI，andtocompare

5、whichiSbatterbetweeneffectiveL触．VISandrealLAI-VISRegressionModel．Thestudyhasledtothefollowingfindingsandconclusions：1UsuallyadoptLAI-2000stomeasureofeffectiveLAIexistinganobviouserror，Thistextknotof仃adffionmeasuresL越methodandmodemcalculatortechniquetogether，andcomputestrueL

6、mwiththebiomassmodel，buildsupalinearregressionmodel，examinesaccuracyattainto92．4％．2BuilduptheregressionmodelofeffectiveLAI-VIS，trueLAI·VIS，discovertherelativityoftrueLAI．VISmodelbeingbiggerthaneffectiveLAI-VISmodel，beneficiallyexplainingtheaccuracyofLAInumberisveryimportant

7、forestimatingtheL舢．3DuringvariousofLAI-VISregressionmodels，theexponentialmodelisthebestmodel，secondlyismultivariatelinearregressionmode，butthemultivariatelinearregressionmodelwillleadthesimpleL4I—VIrelationstoacomplicatedones．Therefore，exponentialmodelCanmoredirectlyreflect

8、therelationofLAI-VIS．4DuringvariousofLAI-VISregressionmodels，theR-squaredofNDVI-L触