论文部分内容阅读
森林叶面积指数(Leaf area index,LAI)是森林生态系统过程的一个关键参数,它强烈地影响森林生产力和林分结构,更从林分、区域、全球尺度上控制着森林生态系统生态生理学过程,如光能利用、降水、生物量,蒸散发和土壤呼吸等。常绿阔叶林在森林生态系统乃至整个生态系统中起着重要的作用,在我国西南地区广泛分布,四川西南山地(简称川西南山地)位于我国西南地区的中心地带,遥感估测该区域森林LAI和蓄积量的研究还不多见。再则遥感估测森林参数的模型在不同区域、不同物种组成间有所差别,因此,通过遥感估测该区域常绿阔叶林LAI和蓄积量对川西南山地阔叶林生态学过程研究具有重要的意义。以处于川西南山地核心区的雅安市雨城区上里镇为研究区,结合地面调查数据,对SPOT-5遥感影像数据进行正射校正、大气校正、分类,同时提取影像各特征因子,分析各特征因子与LAI和蓄积量的关系,采用多元逐步回归和偏最小二乘回归的方法分别建立了该区常绿阔叶林LAI和蓄积量的遥感估测模型,并在此基础上得到了研究区的LAI和蓄积量分布的专题图。主要结论如下：(1)采用最大似然法对研究区SPOT-5影像分类,总体分类精度为81.42%,得到了研究区的土地种类分布现状,提取常绿阔叶林地,得到研究区常绿阔叶林地分布图。(2)通过混合像元分解获得植被阴影丰度特征(SF),分析表明SF与LAI和蓄积量都有较高的相关性(R2分别为0.678和0.739,P<0.01)。利用各波段线性与非线性组合提取了SLAVI等8种植被指数,植被指数间相关性都很高；在全色影像中用3×3的窗口大小提取了能量等六种纹理特征；用DEM提取海拔、坡度等三个因子,共计22个因子作为建模的自变量。(3)22个建模因子中,LAI和蓄积量与有效叶面积指数(SLAVI)的关系最为密切,与阴影丰度(SF)和其它植被指数也有相对较好的拟合关系,它们之间的关系用二次多项式来表达最适宜,与单波段数据、纹理特征和除海拔以外的地形因子均没有好的拟合关系。(4)分别用多元逐步回归和偏最小二乘回归建立了研究区LAI遥感估测模型。并用独立样本对两种模型进行精度检验,结果表明偏最小二乘回归精度高于多元逐步回归,其总体精度为88%,模型中V13对模型的投影重要性最大。模型的表达式为：Y=-0.000367*BAND4+0.520719*SF+0.428499*TNDVI+O.030734*VI3+0.004151*RVI+0.158799-SAVI+O.799497*SLAVI+0.238784*NDVI-2.452356(5)分别用多元逐步回归和偏最小二乘回归建立了研究区蓄积量遥感估测模型。用独立样本对两种模型进行精度检验,结果表明偏最小二乘回归精度高于多元逐步回归,其总体精度为85%,模型中V13对模型的投影重要性最大。模型的表达式为：Y=-0.050523*BAND4+54.052904*SF+121.309755*TNDVI+2.775407*VI3+0.280446*P VI+1.494319*RVI+0.000932*DVI+45.648556*SAVI+74.062619*SLAVI+68.558577*ND VI-313.335171(6)LAI与蓄积量的皮尔森相关系数达到了0.862,用两者进行线性拟合,判定系数达到了0.7423。拟合两者的线性模型,用遥感估测的LAI来推算蓄积量的精度为70%。在实际应用中,精度要求不是很高的情况下,它们之间可以通过一种线性关系相互转换。