基于不同數(shù)據(jù)源川西南常綠闊葉林葉面積指數(shù)反演的比較研究.pdf

1、葉面積指數(shù)(Leaf area index，LAI)是反映森林生長過程、生存環(huán)境的一個重要植被特征參量。其既能反映植被的生長情況，還能夠以量化指標反映植被冠層結(jié)構。川西南常綠闊葉林位于四川有名的強降雨區(qū)，降雨量充沛，對區(qū)域水土保持具有重要意義，同時該地區(qū)也是長江中上游生態(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)構復雜得多，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，對區(qū)域的生態(tài)效益作用更大。隨著遙感技術的快速

2、發(fā)展，利用衛(wèi)星遙感技術為大區(qū)域研究LAI提供了一個很好的途徑。但是多年以來，學者們基于遙感技術對川西南常綠闊葉林研究較少，且多集中在單一尺度上相關植被參數(shù)的研究，在多尺度方面相對較少。
　　本研究以雨城區(qū)上里鎮(zhèn)常綠闊葉林為研究對象，基于Pleiades-1、SPOT-5、Landsat-8影像，結(jié)合半球攝影系統(tǒng)計算獲得的地面實測葉面積指數(shù)(LAI)，對三種影像進行數(shù)據(jù)處理，提取相關影響因子，采用偏最小二乘法回歸分析法建立常綠闊葉林

3、在2m、10m、30m三種尺度上LAI的定量估測模型，擬合得到三種尺度上研究區(qū)的LAI分布圖，并對不同估測模型進行對比分析。主要結(jié)論如下:
　　(1)合監(jiān)督分類和非監(jiān)督分類，對Pleiades-1、SPOT-5、Landsat-8影像進行分類，分類精度分別為86％，82％，77.2％。
　　(2)基于三種多光譜影像，采用偏最小二乘法建立LAI估測模型。
　?、倩赑leiades-1影像的LAI估測，通過VIP重要性分

4、析，選擇了6個影響因子參與建模，模型為:Y=0.51087*NDVI+0.34059* SAVI+0.06812* RVI+0.00012* DVI+0.00017* PVI+0.00006*NIR+1.84675，綜合精度為86.5％。
　?、诨赟POT-5影像的LAI估測，通過VIP重要性分析，同樣選擇了6個影響因子參與建模，模型為:Y=1.40863*NDVI+0.93965*SAVI+0.10733*RVI+0.0001

5、*SWIR-0.00087*Red-0.00048* NIR+1.0881，綜合精度為81.4％。
　?、刍贚andsat-8影像的LAI估測，通過VIP重要性分析，選擇了9個影響因子參與建模，模型為:Y=-0.0001*NIR-0.00002*S WIR1-0.00007* SWIR2-0.00001*DVI+2.5539*NDVI-0.00002* PVI-0.1141*RVI+1.7022*SAVI-1.4696*SF+1

6、.77242，綜合精度為79.8％。
　　(3)本文在傳感器、光譜分辨率、波段信息、植被指數(shù)等方面較為翔實地比較了3種影像在LAI反演方面的優(yōu)劣。認為基于Landsat-8影像在大范圍研究LAI等地表植被參數(shù)方面更有優(yōu)勢;而空間分辨率越高，LAI反演精度越高，即在小尺度LAI反演的準確性方面，Pleiades-1影像更有優(yōu)勢。
　　(4)通過比較3種模型得到的葉面積指數(shù)分布圖，發(fā)現(xiàn)基于Pleiades-1影像得到的LAI分布