论文部分内容阅读
叶面积指数(LAI)是反映森林生长过程、生存环境的重要植被参量,它能够直接量化出林地的生长状况和冠层结构。森林生态过程与LAI有着密切联系,森林生态系统中的生物和物理过程受到LAI控制,LAI的变化能够反映出森林生长和发育的不同情况,可以对森林生态系统中的各个群体进行生长分析。因此,研究叶面积指数LAI成为了国内外学者的热门课题。传统的测量方法虽然可以准确得到LAI,但是费时费力,并且不能进行大尺度研究,现如今唯一能够对大尺度时空内的LAI进行估测的方法是遥感反演。纹理和光谱特征是进行影像分析的重要信息源,目前在进行遥感反演时主要是针对纹理或光谱特征中的一种,如果能够将纹理和光谱特征结合分析,效果应该优于单一信息的使用。阔叶林在川西南山地广泛分布,对当地水土保持和生态环境的稳定性有着重要意义,但关于该地区阔叶林LAI的遥感反演鲜有报道,因此,有必要开展基于影像光谱和纹理特征的川西南山地阔叶林叶面积指数反演研究工作。本研究选取雅安上里镇为研究区,Pleiades影像为遥感数据源,对研究区进行样地划分,实测出样地的有效叶面积指数(LAIe),对样地进行GPS定位,将基础影像通过校正处理后提取出影像中对应样地点的波段光谱信息、植被指数、纹理参数,在spss20.0中对每个样地的波段光谱信息、植被指数、纹理参数和LAIe进行相关性分析,建立LAIe的最优估测模型。最后,对不同纹理窗口提取出的纹理参数进行分析,得到结论:(1)提取的4种波段光谱信息中,只有近红外波段(NIR)与LAIe有显著相关性,5种植被指数都和LAIe有着显著相关性,归一化植被指数(NDVI)和LAIe的相关性最好,在将波段光谱信息、植被指数与LAIe进行回归分析时,多元回归模型的效果好于一元回归模型,得到的回归模型为:LAIe=0.5109NDVI+0.3406SAVI+0.0680RVI+0.00011DVI+0.00018PVI+0.00005NIR+1.8468(R2=0.8486,RE=0.0972,RMSE=0.1226)(2)4个不同窗口提取出的8个纹理参数均与LAIe有着显著相关性,将4个窗口的纹理参数值进行一元回归分析时,不同的纹理参数拟合模型的最佳窗口不同。其中ASM、VAR的最佳窗口为3X3;COR的最佳窗口为5×5;ENT、MEA的最佳窗口为7X7;CON,DIS,HOM 的最佳窗口为 9X9。(3)将4个窗口的纹理参数与LAIe进行多元回归分析时,效果均优于一元回归分析,并且在这4个窗口中,随着窗口增大,回归模型效果越好,在窗口 9X9时,回归效果最好,模型表达为LAIe=3.746-0.230CON+0.295ENT-2.062HOM(R2=0.7102,RMSE=0.1967,RE=0.1184)(4)在纹理参数反演LAIe时,加入植被指数,回归模型的效果明显优于只用纹理参数,并且和只用纹理参数反演LAIe表现出一样的规律,在9X9窗口加入植被指数的回归模型为最优模型,模型表达为:LAIe=0.425+2.91NDVI+0.206CON+0.187ENT-0.010MEA(R2=0.8616,RMSE=0.1352,RE=0.1250)