《陆俊英开题报告副本.ppt》由会员分享，可在线阅读，更多相关《陆俊英开题报告副本.ppt（24页珍藏版）》请在三一办公上搜索。
1、多辐射校正水平遥感数据在植被LAI提取中的应用,一.研究意义,植被不仅是重要的环境要素，也是陆地生态系统敏感的状态指示因子植被叶面积指数(leaf area index，LAI)，即单位地表面积上总叶片面积(单面或双面)的一半。LAI是植被冠层结构的一个重要参数,它控制着植被的许多生物物理过程，如光合、呼吸、蒸腾和降水截获等因此，研究多辐射校正水平遥感数据在植被LAI提取中的应用具有重要意义,植被叶面积指数的获取主要包括地表实测和遥感估算两种方法：地表测量直接测量法:包括量测法、重量比例法、分层收割法和斜点样方法 优点：测定的叶片重复次数较多的时候是最精确的 缺点：对样树的破坏很大,二.研究进
2、展,间接测量法:利用各种测量仪器进行测量，这类仪器如 LAI-2000E、MVIE、TRAC和 DemonE等 优点：省时省力,测量方便,便于对叶面积指数进行动态监测 缺点：环境条件对仪器的测量结果影响大,测量误差较高,需用直接法的测量结果校正,二.研究进展,遥感估算 由于遥感数据具有覆盖面积大、更新周期短、花费相对少等优点，所以目前研究LAI的时空分布大多是基于遥感数据。遥感估算叶面积指数主要有两种方法：物理模型方法：通过建立辐射传输模型，以迭代的方法来推算模型的一个输入变量LAI 优点：不随植被类型而改变 缺点：需要大量计算时间，且模型的逆向推算并不总是 收敛的,二.研究进展,经验统计方法
3、：通过建立 LAI与各种植被指数(如归一化植被指数 NDVI)的经验关系，以函数的形式估算LAI 优点：简单而易于计算 缺点：LAI与植被指数的函数关系会随植被类型的变化而改变，在大尺度应用时需要有先验知识来确定各种植被类型LAI与植被指数的关系,二.研究进展,因此人们使用不同的遥感数据对VI与LAI之间的相关性作了广泛研究：何隆平等利用Vegetation图像的归一化植被指数（NDVI）与同期江苏省江宁县样地实测的水稻叶面积指数（LAI）进行对比分析 结果表明：同期LAI与NDVI具有良好的相关关系，并从Vegetation图像计算得到的VGT水分指数NDWI可以较好地反映江宁水稻试验区稻田
4、的淹水信息,二.研究进展,程乾等利用从MODIS遥感影像提取的增强型植被指数（EVI）、归一化植被指数（NDVI）以及红边位置（REP）与水稻叶面积指数（LAI）及叶绿素含量之间的关系进行了研究 结果表明：红边位置（REP）和MODIS-EVI对水稻LAI比MODIS-NDVI更敏感,二.研究进展,惠凤鸣等基于ETM+原始图像、相应的视反射率图像和大气校正后的地面反射率图像，分别计算了贵州黎平县北部杉木林区相应的归一化植被指数 研究表明：归一化植被指数与相应地面实测的叶面积指数有着较好的线性相关关系，并且传感器影响去除、大气校正等技术手段将逐步提高归一化植被指数与实测LAI的相关系数 由此说明
5、，在实际工作中，遥感信息定量化是极其必要的,二.研究进展,辐射校正的重要性 无论是遥感图像的单波段还是各种植被指数都会受到图像噪音的影响 由于传感器的性能随时间变化会引起输出信号的漂移,传感器在获取地物反射过程中受大气散射、反射和吸收的影响,造成地物电磁波谱的畸变,所以辐射校正是定量遥感的基础,二.研究进展,精确的辐射校正 包括辐射定标、大气校正和地形校正等多方面,甚至需考虑太阳闪烁效应（sun glint effect）以及邻近像元的综合影响,从而使得辐射校正（主要是大气校正）颇具挑战辐射校正效果不确定性 有研究表明辐射校正能有效提高植被参数的反演精度,但也有报道指出辐射校正的效果并不显著。
6、这表明在植被参数的定量遥感研究中,辐射校正对植被参数反演精度的影响尚不确定,还需进一步探讨,二.研究进展,研究目标、内容 基于多辐射校正水平遥感数据分析野外实测的LAI与遥感提取的植被指数（NDVI、RVI）的关系，建立二者关系模型，并用于LAI的遥感估算拟解决的关键技术基于不同辐射校正水平影像植被指数选取模型建立（一元线性回归模型、多元线性回归模型、非线性回归模型）,三.研究目标、内容和拟解决的关键技术,研究方法数据分选 分选方法:将102个样方数据按照“建模-建模-建模-验证-验证”的顺序确定样方所属的数据集，获取建模用数据和用于模型验证的数据分别为61个和41个,四.拟采取的研究方法、技
7、术路线及可行性分析,模型建立 基于不同辐射校正水平影像 基于不同植被类型 基于不同辐射校正水平影像和不同植被类型 不考虑植被类型和辐射校正水平差异 建立了一元线性回归模型、多元线性回归模型和非线性回归模型，其中的非线性回归模型包括指数、乘幂和1次、2次、3次多项式回归模型，共262个模型,四.拟采取的研究方法、技术路线及可行性分析,模型精度验证 模型的拟合程度用决定系数R和均方根误差（RMSE）来衡量。后者的计算方法为：这里N表示验证用样方数（41），ei是估算残差，即样方i的LAI估算值与实测值之差 数据统计主要采用 SPSS 11.5软件,四.拟采取的研究方法、技术路线及可行性分析,技术路
8、线,四.拟采取的研究方法、技术路线及可行性分析,可行性分析 已经获取LAI地表实测数据、基于不同辐射校正水平影像及不同植被类型提取的NDVI、RVI植被指数数据，且数据获取的成本不太高；另外能够熟练运用SPSS、EXCEL软件进行数据处理和分析，已经生成相关回归模型,四.拟采取的研究方法、技术路线及可行性分析,预期结果基于不同辐射校正水平影像一元线性回归模型多元线性回归模型非线性回归模型（指数、乘幂和1次、2次、3次多项式回归模型）基于不同植被类型多元线性回归模型非线性回归模型（指数、乘幂和1次、2次、3次多项式回归模型）基于不同辐射校正水平影像和不同植被类型非线性回归模型（指数、乘幂和1次、
9、2次、3次多项式回归模型）不考虑植被类型和辐射校正水平差异多元线性回归模型,五.预期的开展结果及创新之处,创新之处 目前在使用多辐射校正水平数据进行植被LAI提取方面的应用较少。并且以往研究多针对较为单一的植被类型,对遥感图像辐射校正的影响研究并不多见,在经验模型的推广方面则更是鲜有报道。而本文将开展的研究是基于不同辐射校正水平影像及不同植被类型，用不同的植被指数（RVI、NDVI）通过经验模型方法来提取LAI,五.预期的开展结果及创新之处,阅读了大量相关文献，对该领域的研究有了较深了解能够熟练运用SPSS、EXCEL软件进行数据处理和分析已经获取野外实测LAI数据和SPOT5遥感影像数据，并
10、且基于不同辐射校正水平和不同植被类型提取了归一化植被指数（NDVI）和比值植被指数（RVI）,六.已有工作基础,生成了基于不同辐射校正水平影像、基于不同植被类型、基于不同辐射校正水平影像和不同植被类型以及不考虑植被类型和辐射校正水平差异的归一化植被指数（NDVI）、比值植被指数（RVI）与LAI的一元线性回归模型、多元线性回归模型和非线性回归模型，其中的非线性回归模型包括指数、乘幂和1次、2次、3次多项式回归模型，共262个模型对生成的每个模型已经用决定系数R和均方根误差（RMSE）进行了衡量,六.已有工作基础,2008年7月至10月 完成资料的收集工作 2008年11月至2009年2月 完成
11、初稿2009年2月至4月 修改初稿、提交导师并与之交流 后再进行修改 2009年4月 基本定稿及定稿阶段 2009年5月 最后定稿和进行论文答辩,七.研究计划及预期进展,1张旭东，蔡焕杰，付玉娟，等.黄土区夏玉米叶面积指数变化规律的研究.干旱地区农业研究，2006，21(2):2529.2孙鹏森，刘世荣，刘京涛，等.利用不同分辨率卫星影像的 NDVI数据估算叶面积指数(LAI)以岷江上游为例.生态学报，2006，26(11):38263834.3陈 健，倪绍祥，李云梅，等.芦苇地叶面积指数的遥感反演.国土资源遥感，2005，2(64):2023.4蒙继华，吴炳方，李强子，等.全国农作物叶面积指
12、数遥感估算方法.农业工程学报，2007，23(2):160167.5李轩然，刘琪碌，蔡 哲，等.湿地松林叶面积指数测算.生态学报，2006，26(12):40994105.,八.参考文献,6Jeremy Isaac Fisher,John F.Mustard,Matthew A.Vadeboncoeur,et al.2006.Green leaf phenology at Landsat resolution:Scaling from the field to The satellite.Remote Sensin of Environment 100,265279.7Jing M.Chen,
13、Oliver Sonnentag,Ajit Govind,et al.2006.Leaf area index measurementsat Fluxnet-Canada forest sites.Agricultural and Forest Meteorology 140,257268.8O.Sonnentag,J.M.Chen,D.A.Roberts,et al.2007.Mapping tree and shrub leaf area indices in an ombrotrophic peatland through multiple endmember spectral unmixing.Remote Sensing of Environment 109,342360.,八.参考文献,
