| 【中文题名】 | 基于Landsat图像的LAI信息提取研究 |
| 【英文题名】 | Study on LAI Extraction Based on Landsat Image |
| 【学科专业】 | 地图学与地理信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-10-19 |
| 【中关键词】 | 遥感,Landsat,植被指数,叶面积指数,宜兴市, |
| 【英关键词】 | Remote Sensing,Landsat,Vegetation Index,Leaf Area Index,Yixing City, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 | 本文以江苏省宜兴市为研究区，利用现代卫星遥感技术，结合与其同步的实地调查采样数据和GPS测量技术，建立了从Landsat TM影像数据提取的植被指数(Vegetation Index，VI)与地面实测的叶面积指数(Leaf Area Index，LAI)的统计回归模型。从众多统计模型中按照各自的相关系数(R)和确定系数(R~2)，选出反演LAI的最佳模型，讨论了模型适用的范围，并且分析了土壤和大气对LAI-VI之间关系的影响。
通过此项研究，得出了以下结论：
(1) 用VI反演LAI的最佳模型是多元线性回归模型，其方程为：
LAI=1.493~* RVI-0.007* PVI-1.964~* SAVI_(L=0.35~-)
7.378~* MSAVI+4.145~* ARVI_(γ=1)+34.396~* ARVI_(γ=0.5~-)
20.966~* SARVI-1.430其R=0.930，R~2=0.864。
(2) 士壤和大气对LAI-VI的关系有显著的影响。对遥感数据进行大气校正可以显著地提高LAI-VI之间的相关性。而SAVI可... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
英文摘要 |
6-8 |
|
目录 |
8-10 |
|
表目录 |
10-11 |
|
图目录 |
11-13 |
|
前言 |
13-16 |
|
第一章 绪论 |
16-24 |
|
第一节 叶面积指数的研究意义 |
16-17 |
|
一 叶面积指数的概念 |
16 |
|
二 用遥感数据反演叶面积指数的意义 |
16-17 |
|
第二节 国内外研究现状 |
17-22 |
|
一 LAI-VI回归统计分析法 |
17-20 |
|
二 光学模型法 |
20-22 |
|
三 其他的方法 |
22 |
|
第三节 本文的研究内容与步骤 |
22-24 |
|
一 研究内容 |
22-23 |
|
二 研究步骤 |
23-24 |
|
第二章 研究区与技术路线 |
24-31 |
|
第一节 研究区状况 |
24-25 |
|
第二节 自然条件 |
25-26 |
|
第三节 技术路线 |
26-27 |
|
第四节 研究方法与步骤 |
27-31 |
|
一 实测数据 |
27-30 |
|
二 统计相关分析 |
30 |
|
三 模型讨论 |
30-31 |
|
第三章 感图像预处理 |
31-38 |
|
第一节 几何纠正 |
31 |
|
第二节 大气校正 |
31-38 |
|
一 概述 |
31-32 |
|
二 大气校正的辐射传输原理 |
32-35 |
|
三 大气校正方法 |
35-36 |
|
四 本研究的遥感图像大气校正 |
36-38 |
|
第四章 基于植被指数的LAI反演模型 |
38-70 |
|
第一节 植被指数的概念与提取 |
38-47 |
|
一 植被指数的概念 |
38-44 |
|
二 植被指数的提取 |
44-47 |
|
第二节 建立基于植被指数的叶面积指数反演模型 |
47-70 |
|
一 植被指数与叶面积指数的一元线性回归模型 |
47-57 |
|
二 植被指数与叶面积指数的非线性回归模型 |
57-65 |
|
三 多元线性回归模型 |
65-66 |
|
四 LAI与VI的变化形式的回归模型 |
66-68 |
|
五 研究区的LAI分布图 |
68-70 |
|
第五章 结论与展望 |
70-74 |
|
参考文献 |
74-79 |
|
致谢 |
79 |
|
| 【DOI】 | LunWen.ID:2.2008.389275 |
