收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于Landsat_TM数据的冬小麦不同生育期叶面积指数反演方法精度比较

苗乃哲  
【摘要】:叶面积指数作为植被冠层的一个重要参数,准确获取叶面积指数对作物的长势检测,估产,灾害监测等具有重要意义。遥感反演方法是获取大范围叶面积指数的有效方法。但是由于遥感反演方法众多,根据植被不同生育期的特点,在众多的叶面积指数遥感反演方法中确定最优的反演方法具有积极的意义。 本文基于Landsat_TM数据对北京市通州和顺义两区的冬小麦开花期拔节期,成熟期使用植被指数优选,主成分变换和物理模型反演三种方法反演了叶面积指数。在计算中在三种方法基础上进行了部分改进,植被指数方法使用了指数优选的方法,从相关性,抗饱和性以及指数自身特点三个方面进行了综合分采用最优指数参加计算,在PROSAIL模型反演方法中,根据误差与实际值之间的具有一定趋势的关系进行了模型的系统误差改正,在以上基础上对三种方法反演精度进行了分析。特别地,论文还尝试了基于Matlab神经网络工具箱的BP神经网络方法的叶面积指数反演,结果表明,BP神经网络模型的反演结果与真实叶面积指数数据在变化趋势上有较好的一致性。 反演结果显示传统的经验统计方法做为一种简便并且应用广泛的叶面积指数反演方法仍然是具有较大优势的,在本文中传统植被指数方法与主成分分析的方法分别在拔节期与开花期取得了最佳的反演效果,其中MSAVI和TM第二主成份(PCA-2)在这两个时期的反演精度分别达到了82%和80%;在成熟期,由于叶片叶绿素水分部分流失以及叶绿素含量变化等因素,导致冠层光谱发生变化,在本时期经验统计方法反演精度在60%-70%左右,效果较差,而在这一时期遵循一定物理关系并且与叶片生化参数联系密切的物理模型(PROSAIL模型)方法具有了一定的优势,在加入根据反演误差获取的叶面积指数改正后反演精度达到了76%-80%以上,取得了较传统方法更高的精度。BP神经网络方法在有足够数据并且数据丰富程度较好的情况下,可以取得较好的反演效果,在本文中受限于数据量效果一般。因此最终确定了三个时期的最佳反演方法分别为:植被指数反演(MSAVI),基于Landsat_TM数据的主成分分析方法(第二主成份),以及进行误差改正后的PROSAIL物理模型反演方法,反演方法的确定从总体上提高了叶面积指数的反演效率。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978