基于模型模拟和遥感影像的河北省植被LAI估算研究

发布时间：2017-08-21 10:37

  本文关键词：基于模型模拟和遥感影像的河北省植被LAI估算研究

  更多相关文章： 叶面积指数(LAI) PROSPECT+SAIL模型模拟 植被指数 OLI影像 MODIS SPOT/VGT 河北省

【摘要】：叶面积指数(Leaf area index,LAI)作为绿色植被的冠层结构参数,为研究植被冠层特征、监测农作物长势和评价病虫害等提供科学依据。运用遥感技术大范围地动态提取区域植被LAI,对研究区域植被的生长状态具有重要意义。结合2014年4月末在河北省栾城县获取的冬小麦实测数据,对PROSPECT+SAIL模型的参数进行敏感性分析,并分析了不同观测天顶角条件下基于模型模拟的LAI与多种植被指数的关系。结合2014年5月6日的Landsat-8OLI影像,利用统计模型估算了栾城县冬小麦LAI。利用MODIS的陆地产品MOD15A2和MCD12Q1以及气象资料,分析了2002-2011年河北省植被LAI在生长季(5-10月)的时空变化趋势,并探讨了生长季LAI与气温、降水的相关性。以2013年8月9-21日的邢台野外实测玉米LAI和2013年8月23日的OLI数据为基础,通过相关性分析和相对误差分析等方法,对比了MODIS和SPOT/VGT两种LAI产品的精度,并分析了2013年河北省MODIS和SPOT/VGT两种LAI产品的时空分布差异。主要结论如下:(1)结合栾城县实测冬小麦生理生化参数,利用PROSPECT+SAIL模型分析了各参数的敏感性。在可见光波段(400-700nm),叶绿素含量对小麦冠层反射率敏感度显著;在750-1400nm,LAI敏感度较高;在1300-2400nm,含水量敏感度较高。(2)基于PROSPECT+SAIL模型,分析了不同观测天顶角条件下,LAI与NDVI、EVI、RVI、DVI、SAVI和OSAVI的关系。当观测天顶角为0°时,LAI与各植被指数的对数关系的相关性最大,由大到小依次为:RVIDVINDVIOSAVISAVIEVI。(3)在栾城县实验区和邢台实验区,分别基于实测LAI和OLI影像,建立实测LAI与6种植被指数的回归模型并验证模型精度。在栾城县实验区,OSAVI与实测LAI的指数模型相关系数最大(R2=0.8634),EVI与实测LAI的乘幂模型均方根误差和平均相对误差最小(RMSE=0.374,MRE=5.7%)。但综合12个采样点和42个采样点两种验证结果,认为LAI-OSAVI指数模型估算栾城县实验区冬小麦LAI的精度更高。在邢台实验区,NDVI与实测LAI对数模型的相关系数最大(R2=0.6448),选取NDVI估算邢台实验区的玉米LAI。(4)在栾城县实验区,利用2014年5月6日的OLI影像计算的OSAVI估算LAI并成图。栾城县东南部和南部地区的冬小麦LAI较高,主要原因是这些地区以农田为主,植被覆盖度高;而栾城县的北部和中部地区主要是居民区,房屋建筑和道路密集,LAI很低。(5)在2002-2011年间,河北省植被生长季年均LAI在1.0-1.3之间波动。气温对植被年均LAI的大小基本无影响,降水对植被年均LAI影响显著,且二者呈正相关关系(R2=0.6428)。生长季年均LAI在空间上存在地域性,自东向西先增大后减小,但到最西侧的太行山区等地又稍有上升。(6)分析了不同传感器数据估算LAI的尺度效应。在邢台实验区,2013年8月23日的30m OLI LAI重采样为1km OLI LAI对LAI值影响很小。2013年8月21日的1km MODIS LAI和2013年8月24日的1km SPOT/VGT LAI空间分布格局相似,但二者均明显低估植被LAI,低估面积主要位于植被稀疏的村庄边缘地区。MODIS LAI产品平均低估31.4%,SPOT/VGT LAI产品平均低估13.3%。(7)河北省2013年MODIS和SPOT/VGT两种LAI产品在时间和空间上的变化总趋势基本相同,MODIS低于SPOT/VGT的地区约占河北省的76.7%,其可能原因是随着地表异质性的加剧,MODIS比SPOT/VGT对混合像元的低估现象更严重。SPOT/VGT LAI产品精度高于MODIS LAI产品,相对更适用于监测河北省农田LAI的动态变化。
【关键词】：叶面积指数(LAI) PROSPECT+SAIL模型模拟 植被指数 OLI影像 MODIS SPOT/VGT 河北省
【学位授予单位】：河北师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：Q948;P237
【目录】：

• 摘要4-6
• Abstract6-11
• 1 引言11-17
• 1.1 研究目的及意义11
• 1.2 国内外研究概况11-15
• 1.2.1 地面测量LAI11-12
• 1.2.2 LAI遥感估算12-15
• 1.2.3 已有LAI产品15
• 1.3 研究内容和技术路线15-17
• 2 研究区及数据处理17-23
• 2.1 研究区17-18
• 2.1.1 河北省17-18
• 2.1.2 栾城县实验区和邢台实验区18
• 2.2 数据源及数据处理18-23
• 2.2.1 地面实测数据18-19
• 2.2.2 遥感数据19-22
• 2.2.3 其他数据22-23
• 3 模型模拟及参数敏感性分析23-30
• 3.1 模型介绍23-24
• 3.1.1 PROSPECT模型23
• 3.1.2 SAIL模型23-24
• 3.2 模型参数的敏感性分析24-27
• 3.2.1 定性分析24-26
• 3.2.2 定量分析26-27
• 3.3 植被指数的选取27-30
• 4 基于模型模拟的LAI估算30-35
• 4.1 不同观测天顶角条件下LAI对冠层反射率的影响30
• 4.2 基于模型模拟的LAI与VI的关系30-31
• 4.3 基于模型模拟的LAI估算模型31-35
• 5 基于OLI影像的LAI估算35-40
• 5.1 基于OLI影像的LAI估算模型35-37
• 5.2 LAI估算模型精度验证37-38
• 5.3 栾城县实验区LAI估算成图38-40
• 6 基于MODIS的LAI时空变化分析40-46
• 6.1 LAI时间变化分析40-42
• 6.1.1 LAI年际变化分析40-41
• 6.1.2 LAI年内变化分析41-42
• 6.2 LAI空间分布及变化分析42-46
• 6.2.1 LAI多年空间变化趋势分析42-45
• 6.2.2 LAI年内空间分布45-46
• 7 不同尺度的LAI对比及精度验证46-52
• 7.1 OLI影像估算玉米LAI46-47
• 7.2 不同空间尺度的LAI对比47-50
• 7.3 MODIS和SPOT/VGT LAI时间分布特征50
• 7.4 MODIS与SPOT/VGT LAI空间分布对比50-52
• 8 结论与展望52-56
• 8.1 结论与讨论52-54
• 8.2 展望54-56
• 参考文献56-62
• 致谢62-63
• 攻读学位期间取得的科研成果清单63

【参考文献】

中国期刊全文数据库 前10条

1 宋富强;康慕谊;杨朋;陈雅如;刘阳;邢开雄;;陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析[J];北京林业大学学报;2010年04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 徐全芝,张万昌,刘三超,赵登忠,蒋建军;黑河流域叶面积指数的遥感反演[J];干旱区研究;2003年04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 陈雪洋;蒙继华;杜鑫;张飞飞;张淼;吴炳方;;基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究[J];国土资源遥感;2010年02期

7 梁亮;杨敏华;张连蓬;林卉;;小麦叶面积指数的高光谱反演[J];光谱学与光谱分析;2011年06期

8 张瀛;孟庆岩;武佳丽;赵峰;;基于环境星CCD数据的环境植被指数及叶面积指数反演研究[J];光谱学与光谱分析;2011年10期

9 王李娟;牛铮;侯学会;高帅;;基于CHRIS数据的新型植被指数的LAI估算研究[J];光谱学与光谱分析;2013年04期

10 骆社周;王成;张贵宾;习晓环;李贵才;;机载激光雷达森林叶面积指数反演研究[J];地球物理学报;2013年05期

中国硕士学位论文全文数据库 前9条

1 张杰;长江口潮滩植被检测及时空变化的遥感研究[D];华东师范大学;2007年

2 李莉;高光谱和多角度遥感提取植被冠层水分信息研究[D];中国气象科学研究院;2008年

3 魏珊珊;基于Landsat ETM+数据和辐射传输模型的水稻叶面积指数反演[D];东北师范大学;2012年

4 杨长青;基于SPOT-5的川西南山地常绿阔叶林叶面积指数及蓄积量估测研究[D];四川农业大学;2012年

5 周洪奎;黄淮海平原典型区夏玉米叶面积指数遥感估算研究[D];南京大学;2013年

6 谷成燕;基于PROSAIL辐射传输模型的毛竹林冠层参数遥感定量反演[D];浙江农林大学;2013年

7 杨勤英;冬小麦叶面积指数与氮素垂直分布的高光谱反演研究[D];安徽大学;2014年

8 管青松;冬小麦叶面积指数反演与病害光谱识别研究[D];安徽大学;2014年

9 胡宇宸;基于多时相ENVISAT ASAR数据森林分类制图[D];河南农业大学;2014年

，

本文编号：712408