葉面積指數(shù)（Leaf Area Index, LAI）是確定陸地表面生態(tài)系統(tǒng)物質(zhì)和能量交換大小的重要結(jié)構(gòu)參數(shù)之一,對估算作物產(chǎn)量、植物長勢監(jiān)測、病蟲害檢測等方面起著不可替代的作用。本文基于貢格爾草地實測數(shù)據(jù),研究建立了分別適用于HSI影像和Hyperion影像的新反演模型,通過尋找對草地葉面積指數(shù)反演敏感的波段,構(gòu)建新型指數(shù)反演模型,改善傳統(tǒng)植被指數(shù)反演效果不佳的現(xiàn)象,并對比不同模型反演結(jié)果的優(yōu)劣,提出精度較高且較為實用的最優(yōu)模型,同時通過建立神經(jīng)網(wǎng)絡(luò)來提高反演精度,為草地葉面積指數(shù)反演增添了新的途徑。研究結(jié)果表明針對HSI影像的最優(yōu)模型為二次多項式模型,LAI=-115.26*R7712+81.392*R771-12.889,決定系數(shù)為0.8911：針對Hyperion影像的最優(yōu)模型為高斯函數(shù)模型,針對貢格爾草地高光譜影像的最優(yōu)模型為LAI=1.287*e-（（R895-0.2313）/0.002877）2+1.41*e-（（R895-0.1653）/0.07217）2+0.8635*e-（（R895-0.2634）/0.01375）2,決定系數(shù)為0.6506,是該地區(qū)葉面積指數(shù)反演... 

【文章來源】：福建師范大學福建省

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
中文文摘
第1章 緒論
    1.1 葉面積指數(shù)研究意義
    1.2 葉面積指數(shù)的研究和應(yīng)用進展
        1.2.1 國外研究進展
        1.2.2 國內(nèi)研究進展
    1.3 研究目標和論文框架
        1.3.1 研究目標
        1.3.2 論文框架與技術(shù)路線
第2章 研究區(qū)概況與野外實驗
    2.1 研究區(qū)概況
    2.2 野外實驗
        2.2.1 實驗設(shè)計
        2.2.2 地面測量
    2.3 實測數(shù)據(jù)處理
第3章 影像預處理
    3.1 HSI影像預處理
        3.1.1 絕對輻亮度轉(zhuǎn)換
        3.1.2 條紋去除
        3.1.3 大氣糾正
        3.1.4 幾何糾正
    3.2 Hyperion影像預處理
        3.2.1 絕對輻射值轉(zhuǎn)換
        3.2.2 波段選擇
        3.2.3 壞線修復、條紋去除
        3.2.4 大氣糾正
        3.2.5 幾何糾正
第4章 基于經(jīng)典植被指數(shù)的葉面積指數(shù)反演研究
    4.1 針對HSI影像的葉面積指數(shù)反演研究
        4.1.1 歸一化植被指數(shù)反演葉面積指數(shù)
        4.1.2 比值植被指數(shù)反演葉面積指數(shù)
        4.1.3 土壤調(diào)節(jié)植被指數(shù)反演葉面積指數(shù)
    4.2 針對Hyperion影像的葉面積指數(shù)反演研究
        4.2.1 歸一化植被指數(shù)反演葉面積指數(shù)
        4.2.2 比值植被指數(shù)反演葉面積指數(shù)
        4.2.3 土壤調(diào)節(jié)植被指數(shù)反演葉面積指數(shù)
第5章 基于新植被指數(shù)的葉面積指數(shù)反演研究
    5.1 構(gòu)建針對HSI影像草地葉面積指數(shù)反演的新植被指數(shù)
    5.2 構(gòu)建針對Hyperion影像草地葉面積指數(shù)反演的新植被指數(shù)
        5.2.1 通過融合傳統(tǒng)植被指數(shù)因子構(gòu)建新植被指數(shù)
        5.2.2 通過敏感波段構(gòu)建新植被指數(shù)
    5.3 神經(jīng)網(wǎng)絡(luò)反演葉面積指數(shù)
        5.3.1 神經(jīng)網(wǎng)絡(luò)原理與方法
        5.3.2 神經(jīng)網(wǎng)絡(luò)模型反演葉面積指數(shù)
    5.4 貢格爾草地葉面積指數(shù)反演最優(yōu)模型
第6章 葉面積指數(shù)反演系統(tǒng)建立與結(jié)果分析
    6.1 算法分析與設(shè)計
        6.1.1 總體設(shè)計
        6.1.2 數(shù)據(jù)流程設(shè)計
        6.1.3 詳細設(shè)計
    6.2 系統(tǒng)構(gòu)建與說明
    6.3 結(jié)果分析
第7章 結(jié)論與展望
    7.1 結(jié)論與創(chuàng)新之處
    7.2 不足與展望
參考文獻
攻讀學位期間承擔的科研任務(wù)與主要成果
致謝
個人簡歷


【參考文獻】：
期刊論文
[1]基于高光譜數(shù)據(jù)和模型反演植被葉面積指數(shù)的進展[J]. 張佳華,杜育璋,劉學鋒,何貞銘.  光譜學與光譜分析. 2012(12)
[2]利用PROSPECT+SAIL模型反演植物生化參數(shù)的植被指數(shù)優(yōu)化模擬[J]. 吳伶,劉湘南,周博天,劉川浩,李露鋒.  應(yīng)用生態(tài)學報. 2012(12)
[3]基于MODIS葉面積指數(shù)的遙感物候產(chǎn)品反演方法[J]. 夏傳福,李靜,柳欽火.  農(nóng)業(yè)工程學報. 2012(19)
[4]基于半球攝影法的果樹葉面積指數(shù)檢測(英文)[J]. 張立俊,洪添勝,吳偉斌,Joseph Mwape Chileshe,馮灼峰,趙奔,徐寧.  農(nóng)業(yè)工程學報. 2012(S2)
[5]長白落葉松人工林葉面積指數(shù)測定[J]. 宋林,孫志虎.  東北林業(yè)大學學報. 2012(09)
[6]小興安嶺三種林型葉面積指數(shù)的估測[J]. 劉志理,金光澤.  應(yīng)用生態(tài)學報. 2012(09)
[7]基于多視角反射光譜的草地葉面積指數(shù)遙感反演[J]. 楊曉月,沈潤平,徐爽.  安徽農(nóng)業(yè)科學. 2012(26)
[8]基于高光譜遙感監(jiān)測植被葉綠素含量的一種植被指數(shù)MTCARI[J]. 孟慶野,董恒,秦其明,王金梁,趙江華.  光譜學與光譜分析. 2012(08)
[9]基于遺傳BP神經(jīng)網(wǎng)絡(luò)的主被動遙感協(xié)同反演土壤水分[J]. 余凡,趙英時,李海濤.  紅外與毫米波學報. 2012(03)
[10]基于主成分分析的葉面積指數(shù)尺度效應(yīng)[J]. 董瑩瑩,王紀華,李存軍,楊貴軍,徐新剛,王慧芳,黃文江.  農(nóng)業(yè)工程學報. 2012(11)



本文編號：3464883