基于CASI数据的黑河绿洲区LAI尺度效应研究

摘要

叶面积指数(LAI)作为表征作物冠层结构的关键参量之一，准确获取LAI对于作物长势监测、估产等研究具有重要意义。遥感为连续区域乃至全球尺度LAI估测提供了技术支持，但因LAI反演模型的非线性与遥感数据的空间异质性，导致LAI反演结果存在一定尺度误差，限制了不同源遥感数据LAI产品的统一应用，尺度效应问题亟待解决。广泛应用于尺度效应研究的泰勒级数展开模型，其优势在于可定量描述LAI反演模型非线性程度以及空间异质性对LAI尺度效应综合影响，但仅使用一维变量作为校正因子，难以达到理想校正精度。针对于此，本文以黑河绿洲区为研究对象，基于LAI统计模型进行LAI多尺度反演，探讨LAI尺度效应差异特征及产生机理，结合泰勒级数展开模型，定量分析由LAI反演模型非线性与空间异质性引起的尺度误差，并分别基于一维变量与二维变量建立尺度误差校正模型，实现对CCD-LAI遥感产品的尺度校正。主要研究内容与结论如下:
　　1.利用机载高光谱CASI影像计算4种植被指数，与实测LAI建立6种统计模型反演LAI。将各反演模型所得LAI估算值与实测LAI进行相关性分析，以矩阵联立的形式，对实测LAI值敏感度最高的红光波段与近红外波段组合进行筛选，结果表明，最优LAI反演模型为LAI-NDVI三次多项式回归模型。
　　2.基于“先反演再聚合”与“先聚合再反演”两个层面下的三种尺度转换方法之间的尺度差异特征，多层次分析多尺度反演LAI的总体差异，探讨LAI尺度效应的产生机理。结果表明，三种方法下LAI值的整体分布大致相同，但依然存在一定尺度差异，其产生的主要原因在于LAI反演模型的非线性、NDVI变量非线性和LAI遥感产品的尺度效应（反演模型非线性及空间异质性）。
　　3.细化尺度效应产生机理，对最优LAI反演模型进行泰勒级数展开，定量分析多尺度反演LAI产生的尺度效应。结果表明，泰勒级数展开模型的二阶导数项能较好的解释LAI反演模型非线性引起的尺度效应;其方差项能较好的解释空间异质性引起的尺度效应。
　　4.结合泰勒级数展开模型，分别以二维变量（CASI影像近红外与红光波段反射率）的二阶导数项及其方差与一维变量(CASI-NDVI)的二阶导数项及其方差作为校正因子，对CCD-LAI遥感产品进行尺度校正，有效减小CCD-LAI的尺度误差，使其反演精度得到进一步提升。继而对两种尺度校正方法进行精度评价，结果表明，基于二维变量的泰勒级数展开模型校正效果更佳。
　　综上所述，本研究致力于挖掘并有效利用高光谱数据中的有效信息，将其作为亚像元，利用泰勒级数展开模型，对大尺度低分辨率LAI遥感产品的尺度效应进行校正，最终实现大尺度高精度的LAI遥感监测，为作物动态监测提供技术支撑。

目录

声明

摘要

第1章 绪论

1．1 选题背景及研究意义

1．2 国内外研究现状

1．2．1 叶面积指数遥感反演研究现状

1．2．2 空间尺度效应研究现状

1．3 存在的问题

1．4 研究内容及技术路线

1．4．1 研究内容

1．4．2 技术路线

1．5 本章小结

第2章 研究区概况及数据预处理

2．1 研究区概况

2．2 研究数据的获取与处理

2．2．1 实测LAI数据

2．2．2 遥感影像数据及预处理

2．3 本章小结

第3章 叶面积指数反演模型的建立

3．1 植被指数信息提取

3．2 LAI与植被指数反演模型的建立

3．2．1 基于NDVI指数的LAI估算模型

3．2．2 基于PVI指数的LAI估算模型

3．2．3 基于SAVI指数的LAI估算模型

3．2．4 基于MSAVI指数的LAI估算模型

3．3 LAI反演模型精度检验

3．4 基于机载高光谱CASI影像的LAI反演结果分析

3．5 本章小结

第4章 尺度效应差异特征分析

4．1 尺度效应的概念

4．2 LAI遥感产品的尺度转换方法

4．3 多尺度反演LAI的特征差异

4．4 LAI遥感产品尺度效应的产生机理

4．5 本章小结

第5章 泰勒级数展开模型尺度效应分析与校正

5．1．1 基于二维变量LAI反演模型泰勒级数展开

5．1．2 基于一维变量LAI反演模型泰勒级数展开

5．2 LAI尺度效应分析

5．2．1 LAI遥感产品的尺度效应分析

5．2．2 LAI反演模型非线性的尺度效应分析

5．2．3 NDVI变量非线性尺度效应分析

5．3 LAI尺度校正

5．3．1 二维变量LAI尺度校正

5．3．2 一维变量LAI尺度纠正

5．4 LAI尺度差异校正精度评价

5．5 本章小结

第6章 结论与展望

6．1 主要结论

6．2 展望

致谢

参考文献

攻读学位期间取得学术成果