陆俊英开题报告-副本

《陆俊英开题报告-副本》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、地理信息系统2008年10月30日陆俊英指导老师：顾祝军本科毕业论文开题报告多辐射校正水平遥感数据在植被LAI提取中的应用一.研究意义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植被叶面积指数(leafareaindex，LAI)，即单位地表面积上总叶片面积(单面或双面)的一半。LAI是植被冠层结构的一个重要参数,它控制着植被的许多生物物理过程，如光合、呼吸、蒸腾和降水截获等因此，研究多辐射校正水平遥感数据在植被LAI提取中的应用具有重要意义植被叶面积指数的获取主要包括地表实测和遥感估算两种方法：地表测量直接测量法:包括量测法、重量比例法、分层收割法和斜点样方法优点：

2、测定的叶片重复次数较多的时候是最精确的缺点：对样树的破坏很大二.研究进展间接测量法:利用各种测量仪器进行测量，这类仪器如LAI-2000E、MVIE、TRAC和DemonE等优点：省时省力,测量方便,便于对叶面积指数进行动态监测缺点：环境条件对仪器的测量结果影响大,测量误差较高,需用直接法的测量结果校正二.研究进展遥感估算由于遥感数据具有覆盖面积大、更新周期短、花费相对少等优点，所以目前研究LAI的时空分布大多是基于遥感数据。遥感估算叶面积指数主要有两种方法：物理模型方法：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LAI优点：不随植被类型而改变缺点：需要大量计算时间，

3、且模型的逆向推算并不总是收敛的二.研究进展经验统计方法：通过建立LAI与各种植被指数(如归一化植被指数NDVI)的经验关系，以函数的形式估算LAI优点：简单而易于计算缺点：LAI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型LAI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VI与LAI之间的相关性作了广泛研究：何隆平等利用Vegetation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（LAI）进行对比分析结果表明：同期LAI与NDVI具有良好的相关关系，并从Vegetation图像计算得到的VG

4、T水分指数NDWI可以较好地反映江宁水稻试验区稻田的淹水信息二.研究进展程乾等利用从MODIS遥感影像提取的增强型植被指数（EVI）、归一化植被指数（NDVI）以及红边位置（REP）与水稻叶面积指数（LAI）及叶绿素含量之间的关系进行了研究结果表明：红边位置（REP）和MODIS-EVI对水稻LAI比MODIS-NDVI更敏感二.研究进展惠凤鸣等基于ETM+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杉木林区相应的归一化植被指数研究表明：归一化植被指数与相应地面实测的叶面积指数有着较好的线性相关关系，并且传感器影响去除、大气校正等技术手段将逐步提

5、高归一化植被指数与实测LAI的相关系数由此说明，在实际工作中，遥感信息定量化是极其必要的二.研究进展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图像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,传感器在获取地物反射过程中受大气散射、反射和吸收的影响,造成地物电磁波谱的畸变,所以辐射校正是定量遥感的基础二.研究进展精确的辐射校正包括辐射定标、大气校正和地形校正等多方面,甚至需考虑太阳闪烁效应（sunglinteffect）以及邻近像元的综合影响,从而使得辐射校正（主要是大气校正）颇具挑战辐射校正效果不确定性有研究表明辐射校正能有效提高植被参数的反演精度,但

6、也有报道指出辐射校正的效果并不显著。这表明在植被参数的定量遥感研究中,辐射校正对植被参数反演精度的影响尚不确定,还需进一步探讨二.研究进展研究目标、内容基于多辐射校正水平遥感数据分析野外实测的LAI与遥感提取的植被指数（NDVI、RVI）的关系，建立二者关系模型，并用于LAI的遥感估算拟解决的关键技术基于不同辐射校正水平影像植被指数选取模型建立（一元线性回归模型、多元线性回归模型、非线性回归模型）三.研究目标、内容和拟解决的关键技术研究方法数据分选分选方法:将102个样方数据按照“建模-建模-建模-验证-验证”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61个

7、和41个四.拟采取的研究方法、技术路线及可行性分析模型建立基于不同辐射校正水平影像基于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建立了一元线性回归模型、多元线性回归模型和非线性回归模型，其中的非线性回归模型包括指数、乘幂和1次、2次、3次多项式回归模型，共262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的拟合程度用决定系数R²和均方根误差（RMSE）来衡量。后者的计算方法为：这里N表示验证用样方