基于星载高光谱影像的贡格尔草地叶面积指数研究
发布时间：2021-10-29 15:04
叶面积指数（Leaf Area Index, LAI）是确定陆地表面生态系统物质和能量交换大小的重要结构参数之一,对估算作物产量、植物长势监测、病虫害检测等方面起着不可替代的作用。本文基于贡格尔草地实测数据,研究建立了分别适用于HSI影像和Hyperion影像的新反演模型,通过寻找对草地叶面积指数反演敏感的波段,构建新型指数反演模型,改善传统植被指数反演效果不佳的现象,并对比不同模型反演结果的优劣,提出精度较高且较为实用的最优模型,同时通过建立神经网络来提高反演精度,为草地叶面积指数反演增添了新的途径。研究结果表明针对HSI影像的最优模型为二次多项式模型,LAI=-115.26*R7712+81.392*R771-12.889,决定系数为0.8911：针对Hyperion影像的最优模型为高斯函数模型,针对贡格尔草地高光谱影像的最优模型为LAI=1.287*e-（（R895-0.2313）/0.002877）2+1.41*e-（（R895-0.1653）/0.07217）2+0.8635*e-（（R895-0.2634）/0.01375）2,决定系数为0.6506,是该地区叶面积指数反演...
【文章来源】：福建师范大学福建省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
中文文摘
第1章 绪论
1.1 叶面积指数研究意义
1.2 叶面积指数的研究和应用进展
1.2.1 国外研究进展
1.2.2 国内研究进展
1.3 研究目标和论文框架
1.3.1 研究目标
1.3.2 论文框架与技术路线
第2章 研究区概况与野外实验
2.1 研究区概况
2.2 野外实验
2.2.1 实验设计
2.2.2 地面测量
2.3 实测数据处理
第3章 影像预处理
3.1 HSI影像预处理
3.1.1 绝对辐亮度转换
3.1.2 条纹去除
3.1.3 大气纠正
3.1.4 几何纠正
3.2 Hyperion影像预处理
3.2.1 绝对辐射值转换
3.2.2 波段选择
3.2.3 坏线修复、条纹去除
3.2.4 大气纠正
3.2.5 几何纠正
第4章 基于经典植被指数的叶面积指数反演研究
4.1 针对HSI影像的叶面积指数反演研究
4.1.1 归一化植被指数反演叶面积指数
4.1.2 比值植被指数反演叶面积指数
4.1.3 土壤调节植被指数反演叶面积指数
4.2 针对Hyperion影像的叶面积指数反演研究
4.2.1 归一化植被指数反演叶面积指数
4.2.2 比值植被指数反演叶面积指数
4.2.3 土壤调节植被指数反演叶面积指数
第5章 基于新植被指数的叶面积指数反演研究
5.1 构建针对HSI影像草地叶面积指数反演的新植被指数
5.2 构建针对Hyperion影像草地叶面积指数反演的新植被指数
5.2.1 通过融合传统植被指数因子构建新植被指数
5.2.2 通过敏感波段构建新植被指数
5.3 神经网络反演叶面积指数
5.3.1 神经网络原理与方法
5.3.2 神经网络模型反演叶面积指数
5.4 贡格尔草地叶面积指数反演最优模型
第6章 叶面积指数反演系统建立与结果分析
6.1 算法分析与设计
6.1.1 总体设计
6.1.2 数据流程设计
6.1.3 详细设计
6.2 系统构建与说明
6.3 结果分析
第7章 结论与展望
7.1 结论与创新之处
7.2 不足与展望
参考文献
攻读学位期间承担的科研任务与主要成果
致谢
个人简历
【参考文献】：
期刊论文
[1]基于高光谱数据和模型反演植被叶面积指数的进展[J]. 张佳华,杜育璋,刘学锋,何贞铭. 光谱学与光谱分析. 2012(12)
[2]利用PROSPECT+SAIL模型反演植物生化参数的植被指数优化模拟[J]. 吴伶,刘湘南,周博天,刘川浩,李露锋. 应用生态学报. 2012(12)
[3]基于MODIS叶面积指数的遥感物候产品反演方法[J]. 夏传福,李静,柳钦火. 农业工程学报. 2012(19)
[4]基于半球摄影法的果树叶面积指数检测(英文)[J]. 张立俊,洪添胜,吴伟斌,Joseph Mwape Chileshe,冯灼峰,赵奔,徐宁. 农业工程学报. 2012(S2)
[5]长白落叶松人工林叶面积指数测定[J]. 宋林,孙志虎. 东北林业大学学报. 2012(09)
[6]小兴安岭三种林型叶面积指数的估测[J]. 刘志理,金光泽. 应用生态学报. 2012(09)
[7]基于多视角反射光谱的草地叶面积指数遥感反演[J]. 杨晓月,沈润平,徐爽. 安徽农业科学. 2012(26)
[8]基于高光谱遥感监测植被叶绿素含量的一种植被指数MTCARI[J]. 孟庆野,董恒,秦其明,王金梁,赵江华. 光谱学与光谱分析. 2012(08)
[9]基于遗传BP神经网络的主被动遥感协同反演土壤水分[J]. 余凡,赵英时,李海涛. 红外与毫米波学报. 2012(03)
[10]基于主成分分析的叶面积指数尺度效应[J]. 董莹莹,王纪华,李存军,杨贵军,徐新刚,王慧芳,黄文江. 农业工程学报. 2012(11)
本文编号：3464883
【文章来源】：福建师范大学福建省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
中文文摘
第1章 绪论
1.1 叶面积指数研究意义
1.2 叶面积指数的研究和应用进展
1.2.1 国外研究进展
1.2.2 国内研究进展
1.3 研究目标和论文框架
1.3.1 研究目标
1.3.2 论文框架与技术路线
第2章 研究区概况与野外实验
2.1 研究区概况
2.2 野外实验
2.2.1 实验设计
2.2.2 地面测量
2.3 实测数据处理
第3章 影像预处理
3.1 HSI影像预处理
3.1.1 绝对辐亮度转换
3.1.2 条纹去除
3.1.3 大气纠正
3.1.4 几何纠正
3.2 Hyperion影像预处理
3.2.1 绝对辐射值转换
3.2.2 波段选择
3.2.3 坏线修复、条纹去除
3.2.4 大气纠正
3.2.5 几何纠正
第4章 基于经典植被指数的叶面积指数反演研究
4.1 针对HSI影像的叶面积指数反演研究
4.1.1 归一化植被指数反演叶面积指数
4.1.2 比值植被指数反演叶面积指数
4.1.3 土壤调节植被指数反演叶面积指数
4.2 针对Hyperion影像的叶面积指数反演研究
4.2.1 归一化植被指数反演叶面积指数
4.2.2 比值植被指数反演叶面积指数
4.2.3 土壤调节植被指数反演叶面积指数
第5章 基于新植被指数的叶面积指数反演研究
5.1 构建针对HSI影像草地叶面积指数反演的新植被指数
5.2 构建针对Hyperion影像草地叶面积指数反演的新植被指数
5.2.1 通过融合传统植被指数因子构建新植被指数
5.2.2 通过敏感波段构建新植被指数
5.3 神经网络反演叶面积指数
5.3.1 神经网络原理与方法
5.3.2 神经网络模型反演叶面积指数
5.4 贡格尔草地叶面积指数反演最优模型
第6章 叶面积指数反演系统建立与结果分析
6.1 算法分析与设计
6.1.1 总体设计
6.1.2 数据流程设计
6.1.3 详细设计
6.2 系统构建与说明
6.3 结果分析
第7章 结论与展望
7.1 结论与创新之处
7.2 不足与展望
参考文献
攻读学位期间承担的科研任务与主要成果
致谢
个人简历
【参考文献】：
期刊论文
[1]基于高光谱数据和模型反演植被叶面积指数的进展[J]. 张佳华,杜育璋,刘学锋,何贞铭. 光谱学与光谱分析. 2012(12)
[2]利用PROSPECT+SAIL模型反演植物生化参数的植被指数优化模拟[J]. 吴伶,刘湘南,周博天,刘川浩,李露锋. 应用生态学报. 2012(12)
[3]基于MODIS叶面积指数的遥感物候产品反演方法[J]. 夏传福,李静,柳钦火. 农业工程学报. 2012(19)
[4]基于半球摄影法的果树叶面积指数检测(英文)[J]. 张立俊,洪添胜,吴伟斌,Joseph Mwape Chileshe,冯灼峰,赵奔,徐宁. 农业工程学报. 2012(S2)
[5]长白落叶松人工林叶面积指数测定[J]. 宋林,孙志虎. 东北林业大学学报. 2012(09)
[6]小兴安岭三种林型叶面积指数的估测[J]. 刘志理,金光泽. 应用生态学报. 2012(09)
[7]基于多视角反射光谱的草地叶面积指数遥感反演[J]. 杨晓月,沈润平,徐爽. 安徽农业科学. 2012(26)
[8]基于高光谱遥感监测植被叶绿素含量的一种植被指数MTCARI[J]. 孟庆野,董恒,秦其明,王金梁,赵江华. 光谱学与光谱分析. 2012(08)
[9]基于遗传BP神经网络的主被动遥感协同反演土壤水分[J]. 余凡,赵英时,李海涛. 红外与毫米波学报. 2012(03)
[10]基于主成分分析的叶面积指数尺度效应[J]. 董莹莹,王纪华,李存军,杨贵军,徐新刚,王慧芳,黄文江. 农业工程学报. 2012(11)
本文编号：3464883
本文链接：https://www.wllwen.com/yixuelunwen/dongwuyixue/3464883.html
