【摘要】：葉面積指數(shù)(LAI)是反映森林生長過程、生存環(huán)境的重要植被參量,它能夠直接量化出林地的生長狀況和冠層結(jié)構。森林生態(tài)過程與LAI有著密切聯(lián)系,森林生態(tài)系統(tǒng)中的生物和物理過程受到LAI控制,LAI的變化能夠反映出森林生長和發(fā)育的不同情況,可以對森林生態(tài)系統(tǒng)中的各個群體進行生長分析。因此,研究葉面積指數(shù)LAI成為了國內(nèi)外學者的熱門課題。傳統(tǒng)的測量方法雖然可以準確得到LAI,但是費時費力,并且不能進行大尺度研究,現(xiàn)如今唯一能夠?qū)Υ蟪叨葧r空內(nèi)的LAI進行估測的方法是遙感反演。紋理和光譜特征是進行影像分析的重要信息源,目前在進行遙感反演時主要是針對紋理或光譜特征中的一種,如果能夠?qū)⒓y理和光譜特征結(jié)合分析,效果應該優(yōu)于單一信息的使用。闊葉林在川西南山地廣泛分布,對當?shù)厮帘３趾蜕鷳B(tài)環(huán)境的穩(wěn)定性有著重要意義,但關于該地區(qū)闊葉林LAI的遙感反演鮮有報道,因此,有必要開展基于影像光譜和紋理特征的川西南山地闊葉林葉面積指數(shù)反演研究工作。本研究選取雅安上里鎮(zhèn)為研究區(qū),Pleiades影像為遙感數(shù)據(jù)源,對研究區(qū)進行樣地劃分,實測出樣地的有效葉面積指數(shù)(LAIe),對樣地進行GPS定位,將基礎影像通過校正處理后提取出影像中對應樣地點的波段光譜信息、植被指數(shù)、紋理參數(shù),在spss20.0中對每個樣地的波段光譜信息、植被指數(shù)、紋理參數(shù)和LAIe進行相關性分析,建立LAIe的最優(yōu)估測模型。最后,對不同紋理窗口提取出的紋理參數(shù)進行分析,得到結(jié)論:(1)提取的4種波段光譜信息中,只有近紅外波段(NIR)與LAIe有顯著相關性,5種植被指數(shù)都和LAIe有著顯著相關性,歸一化植被指數(shù)(NDVI)和LAIe的相關性最好,在將波段光譜信息、植被指數(shù)與LAIe進行回歸分析時,多元回歸模型的效果好于一元回歸模型,得到的回歸模型為:LAIe=0.5109NDVI+0.3406SAVI+0.0680RVI+0.00011DVI+0.00018PVI+0.00005NIR+1.8468(R2=0.8486,RE=0.0972,RMSE=0.1226)(2)4個不同窗口提取出的8個紋理參數(shù)均與LAIe有著顯著相關性,將4個窗口的紋理參數(shù)值進行一元回歸分析時,不同的紋理參數(shù)擬合模型的最佳窗口不同。其中ASM、VAR的最佳窗口為3X3;COR的最佳窗口為5×5;ENT、MEA的最佳窗口為7X7;CON,DIS,HOM 的最佳窗口為 9X9。(3)將4個窗口的紋理參數(shù)與LAIe進行多元回歸分析時,效果均優(yōu)于一元回歸分析,并且在這4個窗口中,隨著窗口增大,回歸模型效果越好,在窗口 9X9時,回歸效果最好,模型表達為LAIe=3.746-0.230CON+0.295ENT-2.062HOM(R2=0.7102,RMSE=0.1967,RE=0.1184)(4)在紋理參數(shù)反演LAIe時,加入植被指數(shù),回歸模型的效果明顯優(yōu)于只用紋理參數(shù),并且和只用紋理參數(shù)反演LAIe表現(xiàn)出一樣的規(guī)律,在9X9窗口加入植被指數(shù)的回歸模型為最優(yōu)模型,模型表達為:LAIe=0.425+2.91NDVI+0.206CON+0.187ENT-0.010MEA(R2=0.8616,RMSE=0.1352,RE=0.1250)
【圖文】：

上里鎮(zhèn)位于四縣交通之處，西面是蘆山和雅安，東面則是名山和邛崍。上里逡逑形復雜，北、東、西三面地勢高低不平有很多的小山和丘陵，只有中部和南逡逑區(qū)是平坦的。黑巖坪是上里鎮(zhèn)海拔最高的一座山，達到１８５０ｍ，屬于天臺山逡逑支脈。中部和南部地區(qū)是上里鎮(zhèn)的主要農(nóng)作物產(chǎn)區(qū)，因為這里多是平壩和河谷，，逡逑拔相對較低，約為９００ｍ。由于緯度的關系，上里鎮(zhèn)處于亞熱帶季風氣候區(qū)，逡逑以這里冬天不是很冷，夏季溫度很高，最高溫度會超過３５°Ｃ，降水量很大，逡逑降水量在１０００ｍｍ左右，且主要集中在夏季。年均溫度１６．１°Ｃ，月平均最高逡逑２９．９°Ｃ＜７月），月平均最底溫２９．９°Ｃ邋（１月），年均日照時數(shù)１０１９．９ｈ，無霜逡逑２８９邋ｄ，年平均降雨量１７７２．２邋ｍｍ。根據(jù)實地調(diào)查，該地區(qū)內(nèi)的林地大部分均逡逑闊葉林樹種，并且種類比較豐富，樹林下的土壤則以黃壤為主。逡逑

在ＡｒｃＧＩＳｌＯ．Ｏ把采集到的樣地ＧＰＳ數(shù)據(jù)處理制作為樣地大�。玻埃恚兀玻埃淼腻义鲜噶课募�，并用來提取出樣地的遙感因子。逡逑通過得到的樣地高程分布圖得知（圖３－２），樣地高程分布均勻。將樣地測逡逑得的ＬＡＩｅ進行峰度檢驗（圖３－３），符合正態(tài)分布，可以用作回歸統(tǒng)計分析。逡逑Ｚ逡逑Ａ邐＇逡逑圖３－２樣地高程分布圖逡逑Ｆｉｇ邋３－２邋Ｅｌｅｖａｔｉｏｎ邋ｄｉｓｔｒｉｂｕｔｉｏｎ邋ｏｆ邋ｓａｍｐｌｅ邋ｐｌｏｔｓ逡逑２0－逡逑１５－邐一邋／－＼逡逑？１°－邐／邋＼逡逑５＇＾ｆ邋Ｖ逡逑．．．丨」Ｉ邋．．．．．．ＰＲ—■■邋ｒｎ逡逑２．００邐２．５０邐３．００邐３．５０邐４．００逡逑ＬＡＩｅ逡逑圖３－３實測ＬＡＩｅ的頻數(shù)分布圖逡逑Ｆｉｇ邋３－３邋Ｆｒｅｑｕｅｎｃｉｅｓ邋ｏｆ邋ＬＡＩｅ邋ｄｉｓｔｒｉｂｕｔｉｏｎ逡
【學位授予單位】：四川農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S771

【相似文獻】

相關期刊論文 前10條

1 吳雙麗;鄧巍;吳桂芳;;精準施藥中葉面積指數(shù)探測研究[J];農(nóng)機化研究;2017年07期

2 武威;孫啟洵;周平;李瑞;陳雯;劉濤;;稻麥葉面積指數(shù)估算系統(tǒng)設計[J];中國農(nóng)機化學報;2017年09期

3 翟羽娟;張艷紅;劉兆禮;劉寶江;;基于主成分分析的植被指數(shù)與葉面積指數(shù)相關性研究[J];測繪與空間地理信息;2015年09期

4 張紅衛(wèi);陳懷亮;;冬小麥葉面積指數(shù)動態(tài)變化的監(jiān)測方法及其應用[J];灌溉排水學報;2014年02期

5 翟書華;王斌;蘇源;岑曉江;張飛夢;;波葉海菜花不同居群葉面積指數(shù)的變化及分析[J];北方園藝;2014年09期

6 麻雪艷;周廣勝;;春玉米最大葉面積指數(shù)的確定方法及其應用[J];生態(tài)學報;2013年08期

7 吳婧;;關于茶樹葉面積指數(shù)和葉面積覆蓋指數(shù)的探討[J];茶葉科學;2012年06期

8 陸秀明;黃慶;孫雪晨;張鐵民;劉懷珍;鐘旭華;李惠芬;黃農(nóng)榮;田卡;;圖像處理技術估測水稻葉面積指數(shù)的研究[J];中國農(nóng)學通報;2011年03期

9 白莎;池寶亮;黃學芳;樊文華;樊修武;;玉米栽培因子與葉面積指數(shù)模型研究初探[J];干旱地區(qū)農(nóng)業(yè)研究;2010年02期

10 王志賢;賀志強;李新裕;;不同密度種植新海14葉面積指數(shù)動態(tài)變化[J];甘肅農(nóng)業(yè);2006年03期

相關會議論文 前10條

1 陳雪洋;蒙繼華;吳炳方;朱建軍;紐立明;杜鑫;;基于環(huán)境星高光譜數(shù)據(jù)紅邊參數(shù)的冬小麥葉面積指數(shù)反演[A];遙感定量反演算法研討會摘要集[C];2010年

2 劉倩;;2000-2010年三江源地區(qū)MODIS葉面積指數(shù)及FPAR產(chǎn)品驗證分析[A];遙感定量反演算法研討會摘要集[C];2010年

3 孫永華;宮輝力;李小娟;浦瑞良;周德民;;基于高光譜的三江平原濕地葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

4 萬華龍;劉連濤;張永江;李存東;孫紅春;;去果枝對棉花冠層結(jié)構和產(chǎn)量分布的影響[A];2017年中國作物學會學術年會摘要集[C];2017年

5 夏帆;;基于MODIS數(shù)據(jù)的長江流域生態(tài)環(huán)境質(zhì)量評價[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

6 蘭安軍;蔣幸螢;易興松;;基于遙感參數(shù)反演的山地城市植被對大氣污染響應研究——以貴陽市為例[A];2017中國環(huán)境科學學會科學與技術年會論文集（第一卷）[C];2017年

7 姜志偉;陳仲新;任建強;;基于ACRM輻射傳輸模型的植被葉面積指數(shù)遙感反演[A];2010年中國農(nóng)業(yè)資源與區(qū)劃學會學術年會論文集[C];2010年

8 袁媛;瑚波;武興厚;趙婷;;夏玉米植被指數(shù)與葉面積指數(shù)的關系研究[A];第33屆中國氣象學會年會 S14 提升氣象科技創(chuàng)新能力，保障農(nóng)業(yè)豐產(chǎn)增效[C];2016年

9 趙春江;黃文江;王紀華;楊敏華;;不同品種、肥水條件下冬小麥光譜紅邊參數(shù)研究[A];成像光譜技術與應用研討會論文集[C];2002年

10 潘寅輝;虞敏之;胡建軍;黃樹榮;盛方清;;四季竹葉面積指數(shù)與竹筍產(chǎn)量關系的研究[A];第三屆浙江中西部科技論壇論文集（第三卷 林業(yè)分卷）[C];2006年

相關重要報紙文章 前5條

1 李梅;蔬菜變化密植可增產(chǎn)[N];瓜果蔬菜報.農(nóng)業(yè)信息周刊;2005年

2 石家莊市農(nóng)科院 王忠義 趙敬霞;談談標雜棉的整枝和化控[N];河北科技報;2003年

3 ;玉米持續(xù)增產(chǎn)的六項措施[N];山西科技報;2005年

4 記者 段昊書 通訊員 程路 曹云;今夏全國森林長勢為近5年最差[N];中國氣象報;2015年

5 圍場滿族蒙古族自治縣農(nóng)牧局 梁宏宇;蔬菜變化密植增產(chǎn)技術[N];河北科技報;2016年

相關博士學位論文 前10條

1 宋佳音;利用半球圖像反演森林冠層葉面積指數(shù)的方法研究[D];東北林業(yè)大學;2017年

2 蔡慶空;基于小波變換的冬小麥葉面積指數(shù)與葉綠素含量遙感反演[D];中國礦業(yè)大學(北京);2015年

3 王強;基于多角度混合模型的長白山地區(qū)針葉林區(qū)葉面積指數(shù)反演[D];東北林業(yè)大學;2009年

4 柏軍華;棉田管理信息的遙感提取研究[D];中國農(nóng)業(yè)科學院;2009年

5 邵方麗;冀北山地典型森林植被與土壤成分的空間異質(zhì)性關系研究[D];北京林業(yè)大學;2012年

6 謝巧云;考慮紅邊特性的多平臺遙感數(shù)據(jù)葉面積指數(shù)反演方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

7 駱社周;激光雷達遙感森林葉面積指數(shù)提取方法研究與應用[D];中國地質(zhì)大學(北京);2012年

8 夏繁茂;節(jié)約型園林植物的應用與優(yōu)化研究[D];南京林業(yè)大學;2012年

9 刁明;溫室甜椒生長發(fā)育模擬模型的研究[D];南京農(nóng)業(yè)大學;2008年

10 胡琦;內(nèi)蒙古地區(qū)多時間尺度氣候變化及草地葉面積動態(tài)響應研究[D];中國農(nóng)業(yè)大學;2016年

相關碩士學位論文 前10條

1 吾木提·艾山江;基于“天-空-地”多源遙感數(shù)據(jù)的小麥葉面積指數(shù)反演[D];新疆大學;2019年

2 張巖博;基于LiDAR與遙感影像對玉米葉面積指數(shù)反演的方法研究[D];新疆大學;2019年

3 劉培新;基于半球攝影法的植被參數(shù)提取研究[D];電子科技大學;2019年

4 王雅鑫;基于葉面積指數(shù)的內(nèi)蒙古四子王旗荒漠草原植被動態(tài)分析[D];內(nèi)蒙古師范大學;2019年

5 馬宇龍;基于PROSAIL模型的閩三角地區(qū)葉面積指數(shù)反演研究[D];福建師范大學;2018年

6 牛小桃;水蝕風蝕交錯區(qū)典型植被葉面積指數(shù)動態(tài)變化及其對冠層截留量的影響[D];中國科學院大學(中國科學院教育部水土保持與生態(tài)環(huán)境研究中心);2019年

7 劉金然;基于無人機遙感影像的棉花主要生長參數(shù)反演[D];山東師范大學;2019年

8 程康平;基于吸收峰特征的葉面積指數(shù)反演研究[D];杭州電子科技大學;2018年

9 賈潔瓊;基于GF-2衛(wèi)星夏玉米不同生育期葉面積指數(shù)反演方法研究[D];西北大學;2018年

10 王永杰;福州市城市公園綠地主要樹種葉面積指數(shù)特征及影響因子研究[D];福建農(nóng)林大學;2018年

本文編號：2611965