基于Landsat图像的LAI信息提取研究
【摘要】:本文以江苏省宜兴市为研究区,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Landsat TM影像数据提取的植被指数(Vegetation Index,VI)与地面实测的叶面积指数(Leaf Area Index,LAI)的统计回归模型。从众多统计模型中按照各自的相关系数(R)和确定系数(R~2),选出反演LAI的最佳模型,讨论了模型适用的范围,并且分析了土壤和大气对LAI-VI之间关系的影响。
通过此项研究,得出了以下结论:
(1) 用VI反演LAI的最佳模型是多元线性回归模型,其方程为:
LAI=1.493~* RVI-0.007* PVI-1.964~* SAVI_(L=0.35~-)
7.378~* MSAVI+4.145~* ARVI_(γ=1)+34.396~* ARVI_(γ=0.5~-)
20.966~* SARVI-1.430其R=0.930,R~2=0.864。
(2) 士壤和大气对LAI-VI的关系有显著的影响。对遥感数据进行大气校正可以显著地提高LAI-VI之间的相关性。而SAVI可以部分地消除土壤的影响,以改善LAI-VI关系。虽然SARVI可综合校正土壤和大气的影响,但是二者的关系并非简单的线性叠加,所以LAI-SARVI之间的关系并不满意。
(3) 虽然三次多项式和多元线性回归模型比一元线性回归模型更好地拟合了LAI与VI的关系,从而能够提高LAI的反演精度,但是这两种模型都削弱了LAI-VI关系的直观性,掩盖了二者间的生物物理机理。
(4) 由于受LAI实测样本数量和研究区环境的限制,本文提出的LAI-VI反演模型在外推到其他地区时,模型的参数需要依据研究区具体的LAI实测样本和研究区环境进行拟合得到。