基于遥感地面协同试验的呼伦贝尔贝加尔针茅草甸草原叶面积指数反演与验证研究

发布时间：2017-11-13 06:18

  本文关键词：基于遥感地面协同试验的呼伦贝尔贝加尔针茅草甸草原叶面积指数反演与验证研究

  更多相关文章： 贝加尔针茅草甸草原 叶面积指数 经验统计模型 BP神经网络 PROSAIL模型

【摘要】：草原生态系统是主要的陆地生态系统类型。叶面积指数（LAI）是表征草原冠层状况的重要指标，影响着草原生态系统的物质和能量循环过程，是草原生产力、碳循环等模型的重要特征参量。因此获得可靠的LAI信息对评估草原长势、研究碳循环以及维持生态系统平衡具有深远意义。 呼伦贝尔草原是我国温带草甸草原分布最集中、最具代表性的地区。目前研究主要集中在单一反演方法估算LAI方面，但其反演结果存在一定的不确定性，不同反演方法缺乏对比分析与验证。因此，本研究选取呼伦贝尔贝加尔针茅草甸草原作为试验区，基于环境星HJ-1A/1B数据和同步地面样方观测数据，采用经验统计模型法、BP神经网络法和PROSAIL模型法分别构建LAI反演模型，并对模型进行精度验证，同时，比较分析不同时期的LAI反演模型，优选不同时期的LAI反演模型，，探讨LAI空间分布格局。主要的研究内容与结论如下： （1）根据2013年6月初到8月末不同观测时期的地面样方LAI数据，分析了不同利用方式下草原LAI生长变化趋势。在观测时间内，三种不同利用方式下的贝加尔针茅群落LAI从6月初-8月末都呈显著增长趋势，围封样地和打草场的LAI值在6月时LAI较小，7月中旬LAI值开始趋于平缓，直至8月中旬LAI值达到最大，8月末植被开始枯萎，LAI值下降；放牧样地LAI值在7月中旬达到最大，之后LAI值逐渐下降，这与草原植被的生长规律相吻合。 （2）基于经验统计模型建立的多种回归方程中，LAI-MSAVI幂函数方程具有较好的估算效果，模型反演精度为81.5%。BP神经网络模型通过输入敏感波段反射率和三种植被指数信息反演LAI，有效地提高了LAI反演精度，模型反演精度为82.8%。通过对PROSAIL模型输入参数的敏感性分析和参数化分析，最终确定PROSAIL模型反演草原LAI的最优模型组合参数，利用查找表算法反演LAI。结果表明在植被覆盖度较低时，经验模型和BP神经网络反演LAI优于PROSAIL模型精度，而在植被覆盖度较高时，PROSAIL模型反演LAI精度明显优于经验统计模型和BP神经网络，模型精度达85%。 （3）通过比较分析不同时期反演LAI的最优模型，确定6月和7月选用BP神经网络模型反演LAI，8月选用PROSAIL模型反演LAI，反演生成了30m分辨率的LAI时空分布图。打草场和放牧样地的草原LAI反演结果基本反映了贝加尔针茅群落LAI的生长变化特征，呈现先增大后减小趋势；而围封样地由于存在明显的立枯现象，导致其反演的LAI值被低估。
【学位授予单位】：内蒙古师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：S812;P237

【参考文献】

中国期刊全文数据库 前10条

1 李瑾;张德罡;张宏斌;杨桂霞;李林芝;辛晓平;;呼伦贝尔草原FPAR/LAI模型的验证[J];草原与草坪;2011年02期

2 曾也鲁;李静;柳钦火;;全球LAI地面验证方法及验证数据综述[J];地球科学进展;2012年02期

3 刘照言;马灵玲;唐伶俐;;基于SAIL模型的多角度多光谱遥感叶面积指数反演[J];干旱区地理;2010年01期

4 方秀琴,张万昌;叶面积指数(LAI)的遥感定量方法综述[J];国土资源遥感;2003年03期

5 蔡博峰;绍霞;;基于PROSPECT+SAIL模型的遥感叶面积指数反演[J];国土资源遥感;2007年02期

6 陈健;倪绍祥;李云梅;;基于神经网络方法的芦苇叶面积指数遥感反演[J];国土资源遥感;2008年02期

7 李新辉;宋小宁;冷佩;;利用CHRIS/PROBA数据定量反演草地LAI方法研究[J];国土资源遥感;2011年03期

8 李淑敏;李红;孙丹峰;周连第;;PROSAIL冠层光谱模型遥感反演区域叶面积指数[J];光谱学与光谱分析;2009年10期

9 吴琼;包玉海;张宏斌;海全胜;闫瑞瑞;陈宝瑞;辛晓平;;基于PROSAIL模型及HJ-1A-CCD2影像的MODIS/LAI产品精度验证[J];草业科学;2014年03期

10 吴伟斌;洪添胜;王锡平;彭万喜;李震;张文昭;;叶面积指数地面测量方法的研究进展[J];华中农业大学学报;2007年02期

中国博士学位论文全文数据库 前1条

1 陈宝瑞;呼伦贝尔草原多尺度植被空间格局及其对干扰的响应[D];中国农业科学院;2010年

本文编号：1179452