论文部分内容阅读
森林生态系统是面积最大，且最重要的陆地生态系统，相比其他生态系统具有最高的生产力和最强的生态效应，是生物圈的能量基地，在维持全球生态平衡和改善生态环境方面起着极为重要的作用，同时也是国家经济可持续发展的重要物质基础。通过先进的遥感技术，实时、准确、高效的获取森林资源信息，监测其动态变化，科学估算森林的生态价值，在森林资源快速减少环境不断恶化的今天显得尤为重要。 山区地形地貌比较复杂，地面植被覆盖茂密且光谱信息差异不大，地物受地形影响多以点状形式分散分布，利用传统的基于像元的信息提取方法，会造成较严重的“椒盐现象”，且提取的精度不高，难以将提取的结果用于森林植被的生态参数遥感定量估算研究。基于此本文在前人研究的基础上围绕影像中地物特征的构建和选取，尝试构建基于知识和特征权重的信息提取模型，采用面向对象分类方法解决山区植被信息遥感提取困难的问题，探寻中、高空间分辨率的影像用于定量反演的可行性。 本文以安徽省金寨县为研究区，以单时相的SPOT5影像为数据源，基于构建的信息提取模型完成了样区森林植被信息的提取，同时结合野外观测数据建立了适合研究区SPOT5影像反演森林植被LAI的最佳模型。本研究主要研究结论如下: (1)以影像信息提取的四个步骤为主线，侧重于特征信息的构建和选取，通过不同的采样方法建立地物特征信息样本库，采用数据挖掘技术确立特定地物的特征信息，将特征信息用于影像的分割及信息提取规则的建立。基于此尝试构建了基于知识和特征权重的信息提取模型。 (2)以研究区单时相的SPOT5影像为数据源，选取了可有效提高SPOT5影像中地物特征信息的波段计算方法:植被指数(NDVI2=RNIR-RGREEN/RNIR+RGREEN);两种融合方法:改进型Brovey变换融合及Andorre融合方法。结合野外观测的样点及部分乡镇林相图的矢量化结果，构建了样本信息库。采用文中所构建的模型完成影像信息的提取。研究区土地覆盖分类的总体精度达83％，且除园地的使用精度低于80％外，其他地物类型的精度都能达到80％以上，其中道路及旱地的使用精度高达87％。针叶、阔叶的用户精度分别为83％、86％。 (3)构建了7种植被指数作为遥感因子，提取DEM上的高程信息作为地理因子。展开因子与叶面积指数之间的相关性分析，选取相关性较高的NDVI、GNDVI、RVI、SAVI、OSAVI、MSAVI作为自变量，以LAI为因变量构建了线性、指数、对数、幂函数四种估算模型，挑选四种一元模型中拟合程度最佳的模型开展预测精度检验工作，同时将所有因子作为自变量，LAI为因变量开展多元逐步回归分析，对分析后所构建的模型开展精度检验工作，最终确立RDVIRVI与叶面积指数的多元线性模型（LAI=3.4196-0.1241*RDVI+1.0386*RVI）为研究区SPOT5影像反演LAI的最佳模型，并完成研究区森林植被的LAI反演制图。