学位论文 > 优秀研究生学位论文题录展示

基于Landsat_TM数据的冬小麦不同生育期叶面积指数反演方法精度比较

作　者: 苗乃哲
导　师: 姚顽强; 黄文江
学　校: 西安科技大学
专　业: 大地测量学与测量工程
关键词: 叶面积指数反演植被指数主成分物理模型精度
分类号: S512.11
类　型: 硕士论文
年　份: 2012年
下　载: 214次
引　用: 0次
阅　读: 论文下载

内容摘要

叶面积指数作为植被冠层的一个重要参数，准确获取叶面积指数对作物的长势检测，估产，灾害监测等具有重要意义。遥感反演方法是获取大范围叶面积指数的有效方法。但是由于遥感反演方法众多，根据植被不同生育期的特点，在众多的叶面积指数遥感反演方法中确定最优的反演方法具有积极的意义。本文基于Landsat_TM数据对北京市通州和顺义两区的冬小麦开花期拔节期，成熟期使用植被指数优选，主成分变换和物理模型反演三种方法反演了叶面积指数。在计算中在三种方法基础上进行了部分改进，植被指数方法使用了指数优选的方法，从相关性，抗饱和性以及指数自身特点三个方面进行了综合分采用最优指数参加计算，在PROSAIL模型反演方法中，根据误差与实际值之间的具有一定趋势的关系进行了模型的系统误差改正，在以上基础上对三种方法反演精度进行了分析。特别地，论文还尝试了基于Matlab神经网络工具箱的BP神经网络方法的叶面积指数反演，结果表明，BP神经网络模型的反演结果与真实叶面积指数数据在变化趋势上有较好的一致性。反演结果显示传统的经验统计方法做为一种简便并且应用广泛的叶面积指数反演方法仍然是具有较大优势的，在本文中传统植被指数方法与主成分分析的方法分别在拔节期与开花期取得了最佳的反演效果，其中MSAVI和TM第二主成份（PCA-2）在这两个时期的反演精度分别达到了82%和80%；在成熟期，由于叶片叶绿素水分部分流失以及叶绿素含量变化等因素，导致冠层光谱发生变化，在本时期经验统计方法反演精度在60%-70%左右，效果较差，而在这一时期遵循一定物理关系并且与叶片生化参数联系密切的物理模型（PROSAIL模型）方法具有了一定的优势，在加入根据反演误差获取的叶面积指数改正后反演精度达到了76%-80%以上，取得了较传统方法更高的精度。BP神经网络方法在有足够数据并且数据丰富程度较好的情况下，可以取得较好的反演效果，在本文中受限于数据量效果一般。因此最终确定了三个时期的最佳反演方法分别为：植被指数反演（MSAVI）,基于Landsat_TM数据的主成分分析方法（第二主成份），以及进行误差改正后的PROSAIL物理模型反演方法，反演方法的确定从总体上提高了叶面积指数的反演效率。

全文目录

摘要  3-5
ABSTRACT  5-9
1 绪论  9-15
  1.1 研究意义与国内外研究现状  9-13
    1.1.1 研究意义  9-10
    1.1.2 国内外发展现状  10-13
  1.2 主要研究目标  13-15
2 数据预处理  15-23
  2.1 试验区简介  15
  2.2 数据获取与预处理  15-21
    2.2.1 地面叶面积指数获取  16-17
    2.2.2 遥感影像获取与预处理  17-21
  2.3 小麦不同生育期理化以及光谱特征  21-22
  2.4 本章小结  22-23
3 基于植被指数优选与主成分变换的叶面积指数反演方法  23-49
  3.1 植被指数  24-41
    3.1.1 相关性分析  26-28
    3.1.2 抗饱和度分析  28-32
    3.1.3 权重分析  32-34
    3.1.4 回归模型建立与叶面积指数区域反演  34-39
    3.1.5 植被指数反演 LAI 精度分析  39-41
  3.2 主成分方法  41-47
    3.2.1 主成分原理与计算过程  41-42
    3.2.2 模拟数据与实测数据主成分计算  42-43
    3.2.3 相关性及抗饱和性分析  43-44
    3.2.4 各个生育期建模及反演  44-47
    3.2.5 主成分反演精度分析  47
  3.3 本章小结  47-49
4 基于 PROSAIL 模型的叶面积指数物理模型反演方法  49-61
  4.1 物理模型原理介绍  49-53
    4.1.1 PROSPECT 模型  49-50
    4.1.2 SAIL 模型  50-52
    4.1.3 PROSAIL 冠层光谱模型反演原理与过程  52-53
  4.2 反演过程与结果  53-56
  4.3 误差修正  56-59
  4.4 反演结果与精度  59-60
  4.5 本章小结  60-61
5 基于 BP 神经网络方法的叶面积指数反演方法  61-65
  5.1 神经网络简介  61
  5.2 基于 MATLAB 神经网络工具箱的 BP 神经网络原理与构建  61-63
  5.3 反演结果与精度  63-64
  5.4 本章小结  64-65
6 各种方法在小麦不同生育期的适用性比较与分析  65-66
7 结论与展望  66-68
致谢  68-69
参考文献  69-71

基于Landsat_TM数据的冬小麦不同生育期叶面积指数反演方法精度比较

内容摘要

全文目录

相似论文