基于CHRIS-PROBA估算植被叶面积指数的地形坡向影响.doc

  • 需要金币1000 个金币
  • 资料目录论文助手 > 高校设计 > 环境科学 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2015-01-30
  • 论文字数:12141
  • 课题出处:(A-Lin)提供原创资料
  • 资料包括:完整论文

支付并下载

摘要:叶面积指数( Leaf Area Index,LAI) 是重要的植被结构参数,反演LAI 是植被遥感的重要研究内容之一。以江西省余干县为研究样区,基于新一代微卫星高光谱多角度CHRIS /PROBA遥感图像5个观测角度(±55°、0°和±36°)的反射率数据,提取垂直植被指数(PVI),与地面实测的植被叶面积指数(LAI)进行了回归分析,建立了LAI-VI模型,定量反演叶面积指数( LAI)。利用EER对最优模型进行精度分析。结果表明:LAI-VI关系模型的决定系数R2因坡向类型,观测角度的不同而不同。从坡向类型来看,西坡向建立的模型较优(R²均值在0.7以上),南、西南和东次之(R²均值在0.4以上),北和东南建模较差(R²均值在0.3以下)。从不同的角度图像来看,55图像建立的模型较优,-55图像建立的模型较差。说明LAI-VI模型的可靠性受到遥感角度的影响。在最优模型的误差分析中,从坡向类型来看,南、西南和西模型的误差较小,东和东南模型误差次之,北坡向模型精度最差。从图像角度来看,55º(49.409)和36º(36.903)模型误差最小,-55º(33.761)和0º(28.580)模型误差次之,-36º模型误差最大。在LAI-VI关系建模过程中,基于多角度高光谱遥感数据提取植被指数,有利于充分挖掘遥感影像信息,能够提高LAI估算精度。

关键词:CHRIS /PROBA数据 植被指数 叶面积指数 坡向 模型

 

目录

摘要

Abstract

1 引 言-1

2 材料与方法-2

2.1研究区概况与数据来源 -2

2.2 研究方法-4

2.2.1 LAI野外实测-4

2.2.1 图像预处理与植被指数提取-4

3.2.1 LAI-VI模型的建立-5

3 结果与讨论-5

3.1 LAI-VI 关系模型-5

3.2 优选模型-7

3.3 最优模型误差分析-8

4 结  论-10

致  谢-11

参考文献-11


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费