基于SPOT5/ETM+影像的城市植被群落三维绿量反演研究

摘要

近年来，三维绿量的研究越来越受到重视。同时，由于卫星遥感领域近年来的快速发展，为叶面积指数的回归反演提供了更多的技术和条件支持，便于大范围的研究和应用。
　　本文选择武汉华中农业大学校园所在的狮子山地区作为研究区域，在实测叶面积指数的基础上，选取同期的SPOT5和ETM影像对城市群落的叶面积指数进行反演研究，从实地测量、影像处理以及反演方法等三个方面入手，选取各个过程中的影响因子进行回归比较，对各个部分的相关因子进行优选，以得到城市植被群落反演叶面积指数过程中各个研究阶段的优选因子组合。主要研究结论如下：
　　（1）在实测中，应使用样方法进行测量，对于30m×30m的样方来说，每个样方取5个点即可较为真实的反映样方群落绿量；
　　（2）应用Hemiview冠层分析系统拍摄时需要根据对照来进行曝光量的调整，才能获得较为真实的LAI实测值；
　　（3）集聚指数校正的LAI对于回归反演精度没有明显的提高作用，但是校正值更接近于LAI的真实值；
　　（4）对于ETM和SPOT影像来说，RVI回归效果最好；在LAI的回归上，ETM影像中，多个波段含有相关的有效信息，而SPOT影像则集中在红光波段；
　　（5）对于SPOT影像来说，其简单方程的回归效果较好，而ETM影像的复杂非线性方程回归效果较好；对于两种影像的植被指数来说，简单方程的回归效果较好，而影像光谱波段的复杂非线性模型的回归效果较好；
　　（6）神经网络模型回归的效果要明显优于线性回归模型。

目录

声明

1 前言

1.1研究背景与意义

1.2.1绿量测定研究

1.2.2绿量反演影像研究

1.2.3绿量反演方法研究

1.3研究内容

1.3.1完善叶面积指数的实地测量方法

1.3.2反演影响因子的系统比较优化

1.3.3利用优选模型进行绿量反演

1.3.4总结并提出最佳反演路径

1.4技术路线

2.1研究区概况

2.2.1实地测量

2.2.2遥感影像的选取

2.3数据处理

2.3.1实测数据处理

2.3.2影像数据处理

2.4反演研究

2.4.1基于实测数据因子的反演研究

2.4.2基于影像因子的反演研究

2.4.3基于方法因子的反演研究

2.5反演验证

3 结果与分析

3.1.1样点数量的选取

3.1.2相机曝光量的设置

3.1.3测量设置优化

3.2华中农业大学狮子山地区的景观分类

3.3.1样点法和样方法数据的反演比较

3.3.2有效LAI和集聚指数校正LAI的反演比较

3.3.3小结

3.4.1ETM影像各植被指数的回归比较

3.4.2SPOT5影像各植被指数的回归比较

3.4.3ETM和SPOT5影像相关波段的回归比较

3.4.4小结

3.5.1植被指数多元线性回归的分析

3.5.2影像波段多元线性回归的分析

3.5.3植被指数BP神经网络模型回归的分析

3.5.4影像波段BP神经网络模型回归的分析

3.5.5小结

3.6.1模型总体优选

3.6.2绿量反演和检验

4 结论与讨论

4.1研究结论

4.1.1测量部分的影响因子

4.1.2影像部分的影响因子

4.1.3反演方法部分的影响因子

4.2讨论

4.2.1集聚指数的求取方法

4.2.2植被指数的应用限制

4.2.3线性回归的优化

4.2.4BP神经网络模型的局限

4.2.5城市植被群落的分类有待完善

4.2.6ETM影像反演的限制

参考文献

致谢