陆俊英开题报告副本.ppt

《陆俊英开题报告副本.ppt》由会员分享，可在线阅读，更多相关《陆俊英开题报告副本.ppt（24页珍藏版）》请在第壹文秘上搜索。

1、一.研究意义l植被不仅是重要的环境要素，也是陆地生态系统敏感植被不仅是重要的环境要素，也是陆地生态系统敏感的状态指示因子的状态指示因子l植被叶面积指数植被叶面积指数(leaf area index，LAI)，即单位地表面，即单位地表面积上总叶片面积积上总叶片面积(单面或双面单面或双面)的一半。的一半。LAI是植被冠层是植被冠层结构的一个重要参数结构的一个重要参数,它控制着植被的许多生物物理过它控制着植被的许多生物物理过程，如光合、呼吸、蒸腾和降水截获等程，如光合、呼吸、蒸腾和降水截获等因此，研究多辐射校正水平遥感数据在因此，研究多辐射校正水平遥感数据在植被植被LAI提取提取中中的应用具有重要意

2、义的应用具有重要意义 植被叶面积指数的获取主要包括植被叶面积指数的获取主要包括地表实测地表实测和和遥感估算遥感估算两种两种方法：方法：l地表测量地表测量直接测量法直接测量法: :包括量测法、重量比例法、分层收割法和包括量测法、重量比例法、分层收割法和斜点样方法斜点样方法 优点优点：测定的叶片重复次数较多的时候是最精确的：测定的叶片重复次数较多的时候是最精确的 缺点缺点：对样树的破坏很大：对样树的破坏很大 二.研究进展间接测量法间接测量法: :利用各种测量仪器进行测量，这类仪器如利用各种测量仪器进行测量，这类仪器如 LAI-2000E、MVIE、TRAC和和 DemonE等等 优点优点：省时省力

3、：省时省力, , 测量方便测量方便 , , 便于对叶面积指数进行动便于对叶面积指数进行动态监测态监测 缺点缺点：环境条件对仪器的测量结果影响大：环境条件对仪器的测量结果影响大 , , 测量误差较测量误差较高高, , 需用直接法的测量结果校正需用直接法的测量结果校正二.研究进展l遥感估算遥感估算 由于遥感数据具有覆盖面积大、更新周期短、花费相对少由于遥感数据具有覆盖面积大、更新周期短、花费相对少等优点，所以目前研究等优点，所以目前研究LAILAI的时空分布的时空分布大多是基于遥感数大多是基于遥感数据据。遥感估算叶面积指数主要有两种方法：。遥感估算叶面积指数主要有两种方法： 物理模型方法物理模型方

4、法 ：通过建立辐射传输模型，以迭代的方法：通过建立辐射传输模型，以迭代的方法来推算模型的一个输入变量来推算模型的一个输入变量LAILAI 优点优点：不随植被类型而改变：不随植被类型而改变 缺点缺点：需要大量计算时间，且模型的逆向推算并不总是：需要大量计算时间，且模型的逆向推算并不总是 收敛的收敛的二.研究进展经验统计方法经验统计方法：通过建立：通过建立 LAILAI与各种植被指数与各种植被指数 ( (如归一化如归一化植被指数植被指数 NDVINDVI) )的经验关系，以函数的形式估算的经验关系，以函数的形式估算LAILAI 优点优点：简单而易于计算：简单而易于计算 缺点缺点：LAILAI与植被

5、指数的函数关系会随植被类型的变化而与植被指数的函数关系会随植被类型的变化而改变，在大尺度应用时需要有先验知识来确定各种植被类改变，在大尺度应用时需要有先验知识来确定各种植被类型型LAILAI与植被指数的关系与植被指数的关系 二.研究进展 因此人们使用不同的遥感数据对因此人们使用不同的遥感数据对VI与与LAI之间的相关性作之间的相关性作了广泛研究：了广泛研究： 何隆平何隆平等利用等利用Vegetation图像的归一化植被指数（图像的归一化植被指数（NDVI）与同期江苏省江宁县样地实测的水稻叶面积指数（与同期江苏省江宁县样地实测的水稻叶面积指数（LAI）进行对比分析进行对比分析 结果表明结果表明：

6、同期：同期LAI与与NDVI具有具有良好的相关关系良好的相关关系，并从，并从Vegetation图像计算得到的图像计算得到的VGT水分指数水分指数NDWI可以较好可以较好地反映江宁水稻试验区稻田的淹水信息地反映江宁水稻试验区稻田的淹水信息 二.研究进展 程乾程乾等利用从等利用从MODIS遥感影像提取的增强型植被指数遥感影像提取的增强型植被指数（EVI）、归一化植被指数（）、归一化植被指数（NDVI）以及红边位置（）以及红边位置（REP）与水稻叶面积指数（与水稻叶面积指数（LAI）及叶绿素含量之间的关系进行）及叶绿素含量之间的关系进行了研究了研究 结果表明结果表明：红边位置（：红边位置（REP）

7、和）和MODIS-EVI对水稻对水稻LAI比比MODIS-NDVI更敏感更敏感二.研究进展 惠凤鸣惠凤鸣等基于等基于ETM+原始图像、相应的视反射率图像和大原始图像、相应的视反射率图像和大气校正后的地面反射率图像，分别计算了贵州黎平县北部气校正后的地面反射率图像，分别计算了贵州黎平县北部杉木林区相应的归一化植被指数杉木林区相应的归一化植被指数 研究表明研究表明：归一化植被指数与相应地面实测的叶面积指数：归一化植被指数与相应地面实测的叶面积指数有着有着较好的线性相关关系较好的线性相关关系，并且传感器影响去除、大气校，并且传感器影响去除、大气校正等技术手段将逐步提高归一化植被指数与实测正等技术手段

8、将逐步提高归一化植被指数与实测LAI的相的相关系数关系数 由此说明，在实际工作中，由此说明，在实际工作中，遥感信息定量化遥感信息定量化是极其必要的是极其必要的二.研究进展l辐射校正的重要性辐射校正的重要性 无论是遥感图像的单波段还是各种植被指数都会受到无论是遥感图像的单波段还是各种植被指数都会受到图像图像噪音的影响噪音的影响 由于传感器的性能随时间变化会引起输出信号的漂移由于传感器的性能随时间变化会引起输出信号的漂移, ,传传感器在获取地物反射过程中受感器在获取地物反射过程中受大气散射大气散射、反射反射和和吸收吸收的影的影响响 , ,造成地物电磁波谱的畸变造成地物电磁波谱的畸变, ,所以所以辐

9、射校正是定量遥感辐射校正是定量遥感的基础的基础 二.研究进展l精确的辐射校正精确的辐射校正 包括包括辐射定标辐射定标、大气校正大气校正和和地形校正地形校正等多方面等多方面,甚至需考甚至需考虑太阳闪烁效应（虑太阳闪烁效应（sun glint effect）以及邻近像元的综合）以及邻近像元的综合影响影响 ,从而使得从而使得辐射校正辐射校正（主要是大气校正）（主要是大气校正）颇具挑战颇具挑战l辐射校正效果不确定性辐射校正效果不确定性 有有研究表明研究表明辐射校正辐射校正能有效提高能有效提高植被参数的反演精度植被参数的反演精度 ,但但也有报道也有报道指出辐射校正的指出辐射校正的效果并不显著效果并不显著

10、。这表明在植被参。这表明在植被参数的定量遥感研究中数的定量遥感研究中,辐射校正对植被参数反演精度的影辐射校正对植被参数反演精度的影响尚不确定响尚不确定 ,还需进一步探讨还需进一步探讨二.研究进展l研究目标、内容研究目标、内容 基于多辐射校正水平遥感数据分析野外实测的基于多辐射校正水平遥感数据分析野外实测的LAI与遥感与遥感提取的植被指数（提取的植被指数（NDVI、RVI）的关系，建立二者关系）的关系，建立二者关系模型，并用于模型，并用于LAI的遥感估算的遥感估算l拟解决的拟解决的关键技术关键技术基于基于不同辐射校正水平不同辐射校正水平影像影像植被指数植被指数选取选取模型模型建立（一元线性回归模

11、型、多元线性回归模型、建立（一元线性回归模型、多元线性回归模型、非线性回归模型）非线性回归模型） 三.研究目标、内容和拟解决的关键技术l研究方法研究方法数据分选数据分选 分选方法分选方法: :将将102102个个样方数据按照样方数据按照“建模建模- -建模建模- -建模建模- -验验证证- -验证验证”的顺序确定样方所属的数据集，获取建模用数的顺序确定样方所属的数据集，获取建模用数据和用于模型验证的数据分别为据和用于模型验证的数据分别为6161个个和和4141个个四.拟采取的研究方法、技术路线及可行性分析模型建立模型建立 基于不同辐射校正水平影像基于不同辐射校正水平影像 基于不同植被类型基于不

12、同植被类型 基于不同辐射校正水平影像和不同植被类型基于不同辐射校正水平影像和不同植被类型 不考虑植被类型和辐射校正水平差异不考虑植被类型和辐射校正水平差异 建立了建立了一元线性回归模型一元线性回归模型、多元线性回归模型多元线性回归模型和和非线性回非线性回归模型归模型，其中的非线性回归模型包括，其中的非线性回归模型包括指数指数、乘幂乘幂和和1 1次次、2 2次次、3 3次次多项式回归模型，共多项式回归模型，共262262个模型个模型 四.拟采取的研究方法、技术路线及可行性分析模型精度验证模型精度验证 模型的拟合程度用模型的拟合程度用决定系数决定系数R和和均方根误差（均方根误差（RMSE）来衡量。

13、后者的计算方法为：来衡量。后者的计算方法为： 这里这里N表示验证用样方数（表示验证用样方数（41），），ei是估算残差，即样方是估算残差，即样方i的的LAI估算值与实测值之差估算值与实测值之差 数据统计主要采用数据统计主要采用 SPSS 11.5软件软件四.拟采取的研究方法、技术路线及可行性分析1 / 221() /)niiRMSEeNl技术路线技术路线四.拟采取的研究方法、技术路线及可行性分析遥感图像预处理LAI 野外测量室内数据处理不同辐射校正水平影像地表实测LAI数据提取植被指数VI回归分析VI-LAI 建模模型验证模型应用l可行性分析可行性分析 已经获取已经获取LAILAI地表实测数据

14、地表实测数据、基于、基于不同辐射校正水平影像不同辐射校正水平影像及及不同植被类型不同植被类型提取的提取的NDVINDVI、RVIRVI植被指数数据，且数据植被指数数据，且数据获取的成本不太高；另外能够获取的成本不太高；另外能够熟练运用熟练运用SPSSSPSS、EXCELEXCEL软件软件进行数据处理和分析，已经生成进行数据处理和分析，已经生成相关回归模型相关回归模型四.拟采取的研究方法、技术路线及可行性分析l预期结果预期结果基于不同基于不同辐射校正水平辐射校正水平影像影像一元线性回归模型一元线性回归模型多元线性回归模型多元线性回归模型非线性回归模型（指数、乘幂和非线性回归模型（指数、乘幂和1

15、1次、次、2 2次、次、3 3次多项式回归模次多项式回归模型）型）基于不同基于不同植被类型植被类型多元线性回归模型多元线性回归模型非线性回归模型（指数、乘幂和非线性回归模型（指数、乘幂和1 1次、次、2 2次、次、3 3次多项式回归模次多项式回归模型）型）基于不同基于不同辐射校正水平辐射校正水平影像和不同影像和不同植被类型植被类型非线性回归模型（指数、乘幂和非线性回归模型（指数、乘幂和1 1次、次、2 2次、次、3 3次多项式回归模次多项式回归模型）型）不考虑不考虑植被类型和辐射校正水平植被类型和辐射校正水平差异差异多元线性回归模型多元线性回归模型五.预期的开展结果及创新之处 l创新之处创新之

16、处 目前在使用目前在使用多辐射校正水平数据多辐射校正水平数据进行植被进行植被LAI提取方面提取方面的的应用较少应用较少。并且以往研究。并且以往研究多针对多针对较为较为单一单一的的植被类型植被类型,对遥感图像辐射校正的影响研究并对遥感图像辐射校正的影响研究并不多见不多见,在经验模型的在经验模型的推广方面则更是推广方面则更是鲜有报道鲜有报道。 而而本文本文将开展的研究是基于将开展的研究是基于不同辐射校正水平影像不同辐射校正水平影像及及不同植被类型不同植被类型，用不同的植被指，用不同的植被指数（数（RVI、NDVI）通过）通过经验模型方法经验模型方法来提取来提取LAI五.预期的开展结果及创新之处 l阅读了阅读了大量相关文献大量相关文献，对该领域的研究有了较深了解，对该领域的研究有了较深了解l能够能够熟练运用熟练运用SPSS、EXCEL软件软件进行数据处理和分析进行数据处理和分析l已经已经获取野外实测获取野外实测LAI数据数据和和SPOT5遥感影像数据遥感影像数据，并，并且基于不同辐射校正水平和不同植被类型提取了且基于不同辐射校正水平和不同植被类型提取了归一化归一化植被指数植被指数（NDVI）