基于星载高光谱hyperion数据的lai信息提取

《基于星载高光谱hyperion数据的lai信息提取》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、摘要叶面积指数(LM，LeafAreaIndex)，作为表征植被冠层结构最基本的参量之一，是陆面过程研究中的一个十分重要的结构参数。高光谱遥感具有窄波段、多通道、图谱合一的优点，它以纳米的超高光谱分辨率和几十或几百波段同时对地物成像，能够提高植被参数的估测和反演精度。本研究以山东徂徕山林场为研究区，选取基于Hyperion高光谱影像提取的比值植被指数(SR)、归一化差植被指数(NDVI)、修正的归一化差植被指数(MNDVI)、土壤修正植被指数(SAvl)、三波段梯度差植被指数(TGDⅥ)、大气阻抗植被指数(栅)

2、六种植被指数作为估算因子，结合野外实测的LAI数据，以两种方式进行了叶面积指数的估测：一种是在植被未分类情况下对整个研究区作植被指数与野外实测LAI数据的相关性分析，从而找到适用于整个研究区的统计模型；另一种方式是将现有的地面数据分为针叶林、阔叶林两种主要的植被类型，分别进行LAI建模，最后进行整个研究区的LAI估算。模型选用一元线性回归和指数回归两种，分别进行比较，以选择最优的估算模型。经分析，第一种方式的最佳模型是上御一0．9371xSR一1．2886，R2-0．7947；第二种方式中，针叶林最佳模型为L哇

3、，-5．6189x剐玎一1．8102，其中L-0．1，R2-0．9734；阔叶林最佳模型为Lt，-0．4428xEff,(savixl．906)，其中L一0．5，R2-0．8723。最后用检验点进行验证第一种方式的模型精度为81．02％，第二种方式的模型精度为92．78％。研究结果表明，基于遥感分类图针对不同植被类型分别建立统计分析模型的估算方式最为可靠。关键词：高光谱遥感，叶面积指数，EO一1，Hyperion，PCA东北林业大学硕t学位论文AbstractkafAreaIndex(U蜘，asoneofthe

4、mostfundamentalindicescharacterizingtheplantcanopystructures，isallimportantstructuralparameterinlandsurfaceprocessstudies·Hyperspectralsensorsimagedtheearthwithnarrow-bands,multi-channelssimultaneously,therefore，continuousandfinespectralinformationofdiffcrcn

5、tfeaturescanbeacquired,whichfavorsland-coveridentificationvegetationparametersestimationgreatly．EstimationoftheleafareaindextakingSR、NDVI、MNDVI、SAVI、TGDⅥ、ARVIbased0nhyperspectralimageofCulaishanforestfarminShanDongprovinceasestimationfactorwasconductedintwod

6、ifferentapproaches．OnewasanalyzingcorrelationbetweenvegetationindexandfieldLUdataofentirestudyaIeawithoutclassifying,andfindoutoptimalstatisticalmodel．Theotherwasdistinguishtheareaasconiferandbroad-leavedforests,respectivelyconductinversionLAImodeling,andest

7、imateLAJdataoftheentirestudyarea．Linearregressionandexponentialregressiononthesetwoapproacheswerecarriedouttofigureoutthebest矗tmodel．Optimalmodelforthefirstapproachisasfollows：厶t，-0．9371xSR一1．2886．R2—0．7947．Insecondapproach,Optimalmodelforconiferforestisasfo

8、ilows：洲-5．6189x剐玎．1．8102，inwhich三一0．1，R2—09734；Optimalmodelforbroad·lcavedforestisasfouows：LA／-0．4428x国酬翻玎x1．906)，inwhichL-0．5，R2-o．8723．Thcprecisionoffirstapproachwas81．02％。theprecisionofsecond