学位论文 > 优秀研究生学位论文题录展示

基于混合像元分解的三峡库区植被覆盖度及C因子定量估算研究

作　者: 黄子杰
导　师: 周志翔
学　校: 华中农业大学
专　业: 林学
关键词: 植被覆盖度 MODIS 混合像元端元 C因子
分类号: Q948
类　型: 硕士论文
年　份: 2011年
下　载: 117次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,随着遥感技术的发展,多/高光谱数据广泛应用于土地利用、生态、环境领域,并取得了相当的成就。MODIS数据以其多光谱信息、中分辨率、更新快和长时间序列的特点被广泛应用于区域土地覆被和利用研究。植被覆被变化及土壤侵蚀研究是当前研究的重点,如何在大尺度通过遥感定量估算植被覆盖度,估算植被覆盖管理因子值,在植被覆被变化和土壤侵蚀研究中尤为重要。由于MODIS分辨率较低,混合像元较为严重,为了提取植被覆盖度,必须解决混合像元分解问题。本文利用MODIS数据,基于混合像元分解理论,选用线性像元分解模型,对三峡库区MODIS影像进行混合像元分解,得到植被、裸土、阴影的丰度,实现了大尺度上植被覆盖度的遥感监测。在此基础上分析了三峡库区2000-2009年10年间最大植被覆盖度的空间分布、年际动态变化及其与水热因子的关系。最后运用像元分解的各组分丰度图定量估算植被覆盖管理C因子值,并建立了C因子与NDVI之间的简易模型。得到以下结论：(1)MODIS数据的波谱信息,能较好的测量地物的光谱特征。由于分辨率过大,像元中普遍存在混合情况,混合像元分解能很好的解决这一问题。另外,其良好的时间分辨率和空间分辨率,能应用于大尺度上长期遥感监测与土地利用分类等。(2)混合像元分解能有效的提取地物的信息,在土地覆被遥感监测中是一种有效的方法。本次研究使用纯净像元指数法从MODIS影像中提取了三种端元组分,植被、裸土、阴影。代入线性光谱混合模型,对三峡库区MODIS影像进行混合像元分解,最终得到了植被、裸土、阴影的丰度图。利用NDVI与植被覆盖度良好的线性关系对分解的植被覆盖度进行定性验证,利用同期高分辨率ETM+影像进行定量验证。结果证明了像元分解所得的植被覆盖度是符合实际的。(3)三峡库区植被覆盖度处于较高水平,年最大植被覆盖度大于60%的区域占库区92.35%；近10年来,三峡库区植被覆盖度总体上是面积增加的,但呈显著增加或降低的像元只占总体的7.16%；降水是三峡库区植被覆盖度年际波动的主导因子,其中5-8月的降雨量与植被覆盖度的相关性最大,达到0.805(p<0.01),但相关性程度在空间上有所差异,呈显著正相关的像元仅占总像元数的13.81%,主要分布在库区西部低山丘陵人为耕作区。(4)根据像元分解各组分丰度图计算出三峡库区植被覆盖管理因子值,经检验结果合理,说明了运用像元分解估算三峡库区植被覆盖管理因子是可行的。在此基础上建立C因子与MODIS-NDVI数据的简易算法,分析2007年内C因子的变化,通过降雨侵蚀力加权平均求得2007年C因子年值。

全文目录

摘要  8-10
Abstract  10-12
1 绪论  12-19
  1.1 研究背景和意义  12-13
  1.2 研究综述  13-17
    1.2.1 植被覆盖度监测研究进展  13-15
    1.2.2 混合像元分解研究进展  15-16
    1.2.3 植被覆盖管理因子研究进展  16-17
  1.3 研究内容及技术路线  17-19
    1.3.1 研究内容  17-18
    1.3.2 技术路线  18-19
2 研究区概况及数据处理  19-29
  2.1 自然环境概况  19-21
    2.1.1 地质地貌  19-20
    2.1.2 气候  20
    2.1.3 植被  20-21
    2.1.4 土壤  21
    2.1.5 水文  21
  2.2 社会经济概况  21-22
  2.3 基础数据  22-25
    2.3.1 MODIS 1B数据介绍  22-24
    2.3.2 MOD13A1(NDVI)数据  24
    2.3.3 基础数据及来源  24-25
  2.4 数据处理  25-28
    2.4.1 辐射定标  25-26
    2.4.2 几何校正  26
    2.4.3 大气校正  26-27
    2.4.4 裁剪拼接  27-28
  2.5 本章小结  28-29
3 混合像元分解模型  29-44
  3.1 混合像元  29-30
  3.2 光谱混合机理  30-31
  3.3 传统混合像元分解模型  31-34
    3.3.1 线性光谱混合模型  31-32
    3.3.2 概率模型  32
    3.3.3 几何光学模型  32-33
    3.3.4 随机几何模型  33
    3.3.5 模糊监督模型  33-34
  3.4 新兴混合像元分解模型  34-37
    3.4.1 非线性分解模型  35
    3.4.2 神经网络模型  35-37
    3.4.3 匹配滤波法  37
  3.5 端元组分确定  37-39
    3.5.1 端元选择途径  37-38
    3.5.2 端元选择原理  38-39
  3.6 常用端元提取算方法  39-42
    3.6.1 PPI  40
    3.6.2 N-FINDR  40-41
    3.6.3 IEA  41
    3.6.4 CCA  41
    3.6.5 AMEE  41-42
  3.7 本章小结  42-44
4 基于线性模型混合像元分解  44-61
  4.1 线性光谱混合模型  44-45
  4.2 基于PPI的端元提取  45-51
    4.2.1 MNF变换  45-49
    4.2.2 PPI变化  49-50
    4.2.3 N维可视化  50-51
  4.3 混合像元分解  51-52
  4.4 误差分析与精度验证  52-54
  4.5 植被覆盖度年变化趋势  54-59
    4.5.1 植被覆盖度的空间分布特征  55-56
    4.5.2 植被覆盖度的年际动态变化  56-58
    4.5.3 植被覆盖度与水热因子的关系  58-59
  4.6 本章小结  59-61
5 植被覆盖管理因子(C)计算  61-68
  5.1 C因子传统算法  61
  5.2 C因子估算方程  61-65
    5.2.1 基于经验公式  61-62
    5.2.2 基于像元分解各组分盖度  62-64
    5.2.3 C因子与NDVI模型建立  64-65
  5.3 C因子年值计算  65-67
  5.4 本章小结  67-68
6 结论与展望  68-70
  6.1 研究结论  68-69
  6.2 问题与展望  69-70
参考文献  70-78
在读期间发表论文情况  78-79
致谢  79

基于混合像元分解的三峡库区植被覆盖度及C因子定量估算研究

内容摘要

全文目录

相似论文