论文部分内容阅读
植被叶面积指数(LAI)作为植被冠层结构中极其重要的一个参数,它不仅直接控制着植被的许多生物物理过程,如光合作用、植物的呼吸、植物蒸腾以及降水截获,而且它也为植被冠层表面最初能量交换的描述提供了结构化的定量信息。此外,LAI在一些学科研究与应用中的作用颇大,如农学、林学、生态学和农业气象学。然而,由于受到叶面积指数的传统采样方法、数据分析和仪器误差等诸多因素的影响,使得大范围快速获取LAI的可能几乎为零,从而无法满足日益增长的实际需求。随着科学技术的发展和遥感技术应用的日益广泛与成熟,快速准确的进行大面积区域的LAI动态监测成为了一种可能。而在非点源污染模拟研究中,快速准确获取研究区大面积的LAI,对修正SWAT分布式模型的植物生长模式中流域植被的叶面积指数采用平均值的问题有较大的意义。本研究以鄱阳湖源头之一的梅江流域作为研究区域,采用EO-1上搭载的高级陆地成像仪(ALI)生成的多光谱影像作为遥感数据,并利用遥感处理影像软件对影像进行了基本预处理之后,运用波段运算工具计算各植被指数信息;同时,对研究区进行实地叶面积指数测量时,根据植被垂直分布和水平分布的原则,进行植被冠层的实际采点,并借助植物冠层分析仪LAI-2000测量获得其LAI值,而后对采样所得的地面实测冠层LAI数据与通过遥感影像所获得的植被指数建立空间位置上的联系,提取出相应点的VI值,拟合两者之间的关系,得到相应的反演模型,在回归模型中依据相关系数R2找出最佳模型,最后反演制图得到该研究区的植被冠层LAI图。本研究主要研究结论如下:(1)通过建立LAI-VIs线性回归模型发现:在所有构建的一元线性回归模型中,LAI-MSAVI拟合效果最好,其相关系数R2达到了0.5601,其次为SAVI系列的。在建立的多元线性回归模型中发现其效果有所提高,其相关系数R2达到了0.673。(2)在建立的LAI-VIs非线性回归模型中发现:在所选取的十种植被指数为自变量所构建的非线性模型中,均以二次多项式模型拟合的效果最好,相关系数范围达到最高,为0.2897~0.6314,仅次于二次多项式模型的为对数模型,其相关系数范围在0.2300~0.5838。(3)通过对比分析线性模型和非线性模型,发现二元线性模型的拟合效果最佳,其次为非线性模型二次多项式模型,总的来说,非线性模型较之于线性模型,拟合程度较高。(4)最后通过综合分析与比较选取LAI-MSAVI一元线性模型,多元线性模型以及非线性模型中的LAI-RDVI二次多项式模型、LAI-RDVI指数模型、LAI-RDVI对数模型以及LAI-RDVI幂函数模型作为本文精度检验的模型对象。通过对选取的最佳模型进行精度验证,发现以RDVI为自变量的指数函数y=0.255e1.8741x估测精度最高,达到了70.02%。