林地叶面积指数遥感估算方法适用分析-论文.pdf

《林地叶面积指数遥感估算方法适用分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷第0期生态学报Vo1．34．No．02014年0月ACI1AEC0LOGICASINICAJan．，2014DOI：10．5846／s衄b2012l2181819王修信，孙涛，朱启疆，刘馨，高凤飞，胡玉梅，陈声海．林地叶面积指数遥感估算方法适用分析．生态学报，2014，34(16)：4612—4619．WangXx，SunT，ZhuQJ，Liux，GaoFF，HuYM，ChenSH．Assessmentofdifferentmethodsforestimatingforestleafareaindexfromremotesens

2、ingdata．AetaEcologicaSinica，2014，34(16)：4612-4619．林地叶面积指数遥感估算方法适用分析王修信’一，孙涛。，朱启疆，刘馨，高凤飞，胡玉梅，陈声海(1．广西师范大学，计算机科学与信息工程学院，桂林541004；2．北京师范大学，遥感科学国家重点实验室，北京100875；3．广西师范大学，生命科学学院，桂林541004)摘要：叶面积指数是与森林冠层能量和c0：交换密切相关的一个重要植被结构参数，为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径，利用TRAC仪器测定北京城区森林样地的

3、IAI，从LandsatTM遥感图像计算NDVI、SR、RSR、SAVI植被指数，分别建立估算IAI的单植被指数统计模型、多植被指数组合的改进BP神经网络，获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明，单植被指数非线性统计模型估算LAI的精度高于线性统计模型；多植被指数组合神经网络中，以NDVI、RSR、SAVI组合估算LAI的精度最高，估算值与观测值线性回归方程的R最高，为0．827，而RMSE最低，为O．189，神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题

4、，可较为有效的应用于遥感图像林地LAI的估算。关键词：林地；叶面积指数；神经网络；统计模型；多植被指数组合AssessmentofdiferentmethodsforestimatingforestleafareaindexfromremotesenslngdataWANGXiuxin，一，SUNTao，ZHUQijiang，LIUXin，GAOFengfei。，HUYumei，CHENShenghai1CollegeofComputerScienceandInformationTechnology，GuangxiNormalUnive

5、rsity，Guilin541004，China2StatekeyLaboratoryofRemoteSensingScience，BeingNormalUniversity，Being100875，China3CollegeoffScience，GuangxiNormalUniversity，Guilin541004，ChinaAbstract：Leafareaindex(LAI)isacrucialvegetationstructuralparameterthathasinfluenceontheenergyandcarbondio

6、xideexchangeswithinandoverforestcanopies．TheapplicationsofremotesensingdataprovidethepossibilityoftherelationshipbetweenLAIandvegetationindex．Inordertoimprovetheestimatesofforestleafareaindexwithremotesensingmethod，thegroundLAImeasurementsweremadebyusingtheTRAC(TracingRa

7、diationandArchitectureofCanopies)instrumentintheurbanforestsofBeijing，andseveralspectralvegetationindicessuchasNDVI，SR，RSRandSAV1werecalculatedfromLandsatThematicMapper(TM)image．Withtheestablishmentofthestatisticalmodelsdependentonsinglevegetationindexaloneandtheimproved

8、BP(back—propagation)neuralnetworkswithmultivegetationindexcombination，thebest—fitmethodbetweengroundmea