学位论文 > 优秀研究生学位论文题录展示

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

作　者: 陈雪洋
导　师: 吴炳方；朱建军；蒙继华
学　校: 中南大学
专　业: 资源环境遥感
关键词: 环境星大气纠正真实性检验叶面积指数(LAI) 模型
分类号: S512.1
类　型: 硕士论文
年　份: 2009年
下　载: 272次
引　用: 3次
阅　读: 论文下载

内容摘要

叶面积指数(Leaf Area Index, LAI)作为表征植被管层结构最基本的参量之一,是陆面过程研究中的一个重要结构参数。作物LAI是反映作物长势与预报作物产量的一个重要农学参数,准确地获取作物叶面积指数数据,可以为作物长势监测、作物识别、单产预测甚至粮食产量的估算提供有效的数据源。环境一号卫星是我国09年自主研发运行的环境灾害监测小卫星星座,2颗光学卫星HJ-1-A和HJ-1-B均装载两台宽覆盖多光谱CCD相机,可满足2d重访要求,对农作物的长势监测与估产、植被和水系状况调查具有重要意义。本研究以山东禹城为研究区,提出了基于6S模型的环境星CCD数据的大气校正方法,利用高光谱分辨率的Hyperion数据进行了HJ-1 A/B星CCD的光谱模拟,以Hyperion数据为参照检验了环境星植被指数的真实性。选取基于环境星CCD数据提取的比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调节植被指数(SAVI)和增强型植被指数(EVI)4种植被指数作为估算因子,结合野外实测的LAI数据,建立叶面积指数反演的最优模型,并检验其精度。研究的主要内容与结论如下：1)通过建立大气校正参数查找表,实现了对环境星CCD遥感影像数据的快速有效的大气校正处理,并分析了大气校正对植被指数的影响。结果表明,校正后的图像更加清晰,对比度增强；并且消除了NDVI在大气传输过程中的衰减效应,更好的复原了地表植被覆盖的真实状况。2)在Hyperion模拟的波段反射率与同期实际的HJ-1 A/B星CCD波段反射率之间及各自计算的4种植被指数(SAVI、RVI、NDVI、EVI)之间进行对比分析,研究结果表示,4个波段反射率的相关系数分别为0.841、0.895、0.914和0.926,4种植被指数的相关系数分别为0.979、0.977、0.921和0.975,模拟与真实植被指数标准差分别为0.052、0.527、0.073和0.133,认为环境星CCD的光谱植被指数可以反映该区域植被指数的真实变化,有反演叶面积指数的潜力。3)计算了环境星CCD数据的4种植被指数(NDVI,RVI,SAVI,EVI),结合同步观测数据,对植被指数与实测叶面积指数进行回归分析,比较4种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)反演精度最高,LAI=2.967Ln RVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月的冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。

全文目录

摘要  4-6
ABSTRACT  6-11
第1章绪论  11-22
  1.1 叶面积指数的定义与研究意义  11-14
    1.1.1 定义  11
    1.1.2 研究意义  11-14
  1.2 叶面积指数的实测方法  14-16
  1.3 叶面积指数的遥感定量方法  16-18
    1.3.1 光谱指数模型  16-17
    1.3.2 辐射传输模型  17-18
  1.4 国内外研究现状  18-20
    1.4.1 国外研究现状  18-19
    1.4.2 国内研究现状  19-20
  1.5 研究内容与研究方法  20-22
    1.5.1 研究内容  20-21
    1.5.2 技术路线  21-22
第2章数据获取与研究概况  22-29
  2.1 环境星数据简介  22-23
  2.2 研究区概况  23-24
  2.3 野外调查数据  24-28
  2.4 其他数据  28
  2.5 本章小结  28-29
第3章遥感数据预处理  29-44
  3.1 环境星数据处理  29-35
    3.1.1 辐射标定  29-30
    3.1.2 大气纠正  30-34
    3.1.3 几何纠正  34-35
  3.2 星载HYPERION数据处理  35-42
    3.2.1 绝对辐亮度值转换  36-37
    3.2.2 坏线修复  37-38
    3.2.3 垂直条纹去除  38-39
    3.2.4 Smile效应纠正  39-40
    3.2.5 大气纠正  40-42
    3.2.6 坏波段去除  42
  3.3 本章小结  42-44
第4章环境星植被指数真实性检验  44-53
  4.1 植被指数  44-46
  4.2 环境星数据模拟  46-49
  4.3 真实性检验  49-52
  4.4 本章小结  52-53
第5章叶面积指数遥感估算模型建立  53-58
  5.1 冬小麦种植区域提取  53
    5.1.1 非耕地去除  53
    5.1.2 冬小麦面积提取  53
  5.2 植被指数与叶面积指数的相关性分析  53-54
  5.3 模型构建  54-55
  5.4 结果分析  55-56
  5.5 模型验证  56-57
  5.6 本章小结  57-58
第6章结论与展望  58-60
  6.1 结论  58-59
  6.2 展望  59-60
参考文献  60-67
致谢  67-69
攻读硕士期间发表的论文及参与的项目  69-70

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

内容摘要

全文目录

相似论文