發(fā)布時(shí)間：2022-02-20 02:43

　　葉面積指數(shù)（Leaf area index, LAI）是反映森林生長(zhǎng)過(guò)程、生存環(huán)境的一個(gè)重要植被特征參量。其既能反映植被的生長(zhǎng)情況,還能夠以量化指標(biāo)反映植被冠層結(jié)構(gòu)。川西南常綠闊葉林位于四川有名的強(qiáng)降雨區(qū),降雨量充沛,對(duì)區(qū)域水土保持具有重要意義,同時(shí)該地區(qū)也是長(zhǎng)江中上游生態(tài)屏障的重要組成部分。相比同齡人工林,天然常綠闊葉林的林分結(jié)構(gòu)復(fù)雜得多,森林生態(tài)系統(tǒng)也更加穩(wěn)定,自我調(diào)節(jié)能力、抗干擾能力更強(qiáng),對(duì)區(qū)域的生態(tài)效益作用更大。隨著遙感技術(shù)的快速發(fā)展,利用衛(wèi)星遙感技術(shù)為大區(qū)域研究LAI提供了一個(gè)很好的途徑。但是多年以來(lái),學(xué)者們基于遙感技術(shù)對(duì)川西南常綠闊葉林研究較少,且多集中在單一尺度上相關(guān)植被參數(shù)的研究,在多尺度方面相對(duì)較少。本研究以雨城區(qū)上里鎮(zhèn)常綠闊葉林為研究對(duì)象,基于Pleiades-1、SPOT-5、Landsat-8影像,結(jié)合半球攝影系統(tǒng)計(jì)算獲得的地面實(shí)測(cè)葉面積指數(shù)（LAI）,對(duì)三種影像進(jìn)行數(shù)據(jù)處理,提取相關(guān)影響因子,采用偏最小二乘法回歸分析法建立常綠闊葉林在2m、10m、30m三種尺度上LAI的定量估測(cè)模型,擬合得到三種尺度上研究區(qū)的LAI分布圖,并對(duì)不同估測(cè)模型進(jìn)行對(duì)比分析。主要結(jié)... 

【文章來(lái)源】：四川農(nóng)業(yè)大學(xué)四川省211工程院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
前言
1 文獻(xiàn)綜述
    1.1 LAI的定義
    1.2 LAI測(cè)定的主要方法
    1.3 遙感葉面積指數(shù)反演方法研究
        1.3.1 統(tǒng)計(jì)模型法
        1.3.2 物理模型法
    1.4 不同尺度遙感反演LAI研究現(xiàn)狀
        1.4.1 大尺度遙感反演的LAI研究
        1.4.2 中尺度遙感反演的LAI研究
        1.4.3 小尺度遙感反演的LAI研究
    1.5 葉面積指數(shù)尺度研究
        1.5.1 空間異質(zhì)性及尺度效應(yīng)
        1.5.2 最優(yōu)轉(zhuǎn)換尺度的研究
        1.5.3 空間尺度轉(zhuǎn)換
2 材料與方法
    2.1 研究目的及意義
    2.2 研究區(qū)概況
    2.3 研究?jī)?nèi)容
    2.4 研究技術(shù)路線
    2.5 數(shù)據(jù)源
        2.5.1 遙感數(shù)據(jù)
        2.5.2 樣地?cái)?shù)據(jù)
        2.5.3 其他數(shù)據(jù)
    2.6 數(shù)據(jù)處理
        2.6.1 樣地?cái)?shù)據(jù)處理
        2.6.2 遙感數(shù)據(jù)處理
        2.6.3 影像分類
    2.7 影響因子的提取
        2.7.1 陰影特征因子的提取
        2.7.2 地形因子的提取
        2.7.3 波段及植被指數(shù)因子的選擇
        2.7.4 因子提取
3 結(jié)果與分析
    3.1 基于PLEIADES-1影像LAI估測(cè)模型的建立
        3.1.1 Pleiades-1影像建模因子與葉面積指數(shù)間的相關(guān)性分析
        3.1.2 基于Pleiades-1影像LAI偏最小二乘回歸分析模型
        3.1.3 基于Pleiades-1影像的LAI分布圖
    3.2 基于SPOT-5影像LAI估測(cè)模型的建立
        3.2.1 SPOT-5影像建模因子與葉面積指數(shù)間的相關(guān)性分析
        3.2.2 基于SPOT-5影像LAI偏最小二乘回歸分析模型
        3.2.3 基于SPOT-5影像的LAI分布圖
    3.3 基于LANDSAT-8影像LAI估測(cè)模型的建立
        3.3.1 Landsat-8影像建模因子與葉面積指數(shù)間的相關(guān)性分析
        3.3.2 基于Landsat-8影像LAI偏最小二乘回歸分析模型
        3.3.3 基于Landsat-8影像的LAI分布圖
4 結(jié)論與討論
    4.1 結(jié)論
    4.2 估測(cè)LAI的比較
        4.2.1 傳感器與LAI
        4.2.2 光譜分辨率與LAI
        4.2.3 波段信息與LAI
        4.2.4 植被指數(shù)與LAI
        4.2.5 估測(cè)LAI值與實(shí)測(cè)LAI值
    4.3 研究展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]新疆喀納斯國(guó)家自然保護(hù)區(qū)植被葉面積指數(shù)觀測(cè)與遙感估算[J]. 昝梅,李登秋,居為民,王希群,陳蜀江.  生態(tài)學(xué)報(bào). 2013(15)
[2]大興安嶺地區(qū)森林葉面積指數(shù)測(cè)定與遙感估算[J]. 李賀平,肖克,范文義,溫一博,滿子源,孫晟昕.  東北林業(yè)大學(xué)學(xué)報(bào). 2013(05)
[3]利用ASTER數(shù)據(jù)估算肅南山地植被結(jié)構(gòu)特征參數(shù)[J]. 楊何群,柏樺,王蔚.  干旱區(qū)資源與環(huán)境. 2012(08)
[4]基于多元回歸模型的葉面積指數(shù)遙感反演[J]. 宋亞斌,林輝,孫華,寧小斌.  中南林業(yè)調(diào)查規(guī)劃. 2012(02)
[5]基于MODIS時(shí)序植被指數(shù)的延安北部丘陵溝壑區(qū)植被變化分析[J]. 雷延鵬,孫智輝,劉志超,曹雪梅.  沙漠與綠洲氣象. 2011(04)
[6]基于全球氣候變暖的中國(guó)政府森林政策應(yīng)對(duì)[J]. 管志杰,沈杰.  科技管理研究. 2011(02)
[7]MODIS植被葉面積指數(shù)對(duì)貴州高原山地氣象條件的響應(yīng)[J]. 羅宇翔,向紅瓊,鄭小波,陳娟,周成霞.  生態(tài)環(huán)境學(xué)報(bào). 2011(01)
[8]馬尾松LAI與植被指數(shù)的相關(guān)性研究[J]. 傅銀貞,汪小欽,江洪.  國(guó)土資源遙感. 2010(03)
[9]帽兒山地區(qū)森林冠層葉面積指數(shù)的地面觀測(cè)與遙感反演[J]. 朱高龍,居為民,范文義,周艷蓮,李顯風(fēng),李明澤.  應(yīng)用生態(tài)學(xué)報(bào). 2010(08)
[10]有效葉面積指數(shù)與真實(shí)葉面積指數(shù)的模型轉(zhuǎn)換[J]. 杜春雨,范文義.  東北林業(yè)大學(xué)學(xué)報(bào). 2010(07)

博士論文
[1]山地常綠落葉闊葉林空間異質(zhì)性研究[D]. 趙安玖.四川農(nóng)業(yè)大學(xué) 2007
[2]面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D]. 黃慧萍.中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所） 2003

碩士論文
[1]SPOT影像植被指數(shù)與落葉松林LAI相關(guān)性分析[D]. 劉禮.南京林業(yè)大學(xué) 2008
[2]北京常見(jiàn)園林植物葉面積指數(shù)模型研究[D]. 申曉瑜.北京林業(yè)大學(xué) 2007



本文編號(hào)：3634149