论文部分内容阅读
水分是植被光合作用和呼吸作用中不可或缺的要素,其在植被生命活动中起着至关重要的作用。植被含水量(Vegetation Water Content,VWC)的研究对于农作物长势监测、草原干旱和荒漠化预警以及森林火灾预警等具有重要意义。本文以Sentinel-1B数据、Landsat8 OLI数据和地面实测植被冠层叶片含水量为数据源,以长春市净月潭国家森林公园的针叶林为研究对象,首先利用Landsat8 OLI数据提取出多种植被指数,再将遥感影像的波段和植被指数与冠层叶片含水量等森林参数进行相关性分析,选取出相关性较大的因子作为优选因子,并对其进行主成分提取,对主成分与冠层叶片含水量构建多种模型,利用精度最高的模型反演出冠层叶片含水量。主要研究内容与结果如下:(1)本文通过对地面调查数据和Sentinel-1B数据、Landsat8 OLI数据进行典型相关性分析,选取出与冠层叶片含水量相关性较大的波段和波段组合。其中冠层叶片含水量与Sentinel-1B 的VV极化、VH/VV 极化比和 Landsat8 OLI 的短波红外 1(Short Wave Infrared Red 1,SWIR1)、短波红外 2(Short Wave Infrared Red 2,SWIR2)波段相关性较高。(2)本文利用Landsat8 OLI数据提取出了归一化植被指数(Normal Differential Vegetation Index,NDVI)、归一化水分指数(Normalized Difference Water Index,NDWI)、比值植被指数(Ratio Vegetation Index,RVI),并与冠层叶片含水量进行了相关性分析,结果显示NDVI与冠层叶片含水量相关性较低,而NDWI和RVI与冠层叶片含水量相关性较高,且NDWI与RVI之间存在较高相关性。(3)本文分别对 Landsat8 OLI 数据(SWIR1、SWIR2、NDWI、RVI)和 Sentinel-1B 结合Landsat8 OLI 数据(VV、VH/VV、SWIR1、SWIR2、NDWI、RVI)进行主成分分析,提取出第一主成分,并与冠层叶片含水量建立线性、二次多项式、三次多项式和指数函数模型,精度分析表明三次多项式模型拟合精度最高(R2=0.6299,RMSE=0.0358),其次是二次多项式(R2=0.6214,RMSE=0.0362),且结合 Sentinel-1B 数据(VV、VH/VV)之后模型的 R2和RMSE都优于结合之前。(4)本文通过对Sentinel-1B结合Landsat8 OLI数据(VV、VH/VV、SWIR1、SWIR2、NDWI、RVI)提取出的第一主成分与冠层叶片含水量构建BP神经网络模型,训练完成后模型的反演精度(R2=0.896,RMSE=0.0282)优于二次多项式。综上所述,对于净月潭国家森林公园,合成孔径雷达(Synthetic Aperture Radar,SAR)影像结合光学影像反演冠层叶片含水量精度高于仅使用光学影像,且利用BP神经网络模型反演精度高于二次多项式。由此表明SAR结合光学影像可以提高植被冠层叶片含水量反演的精度。