学位论文 > 优秀研究生学位论文题录展示

高光谱数据提取森林冠层叶绿素及氮含量的研究

作　者: 杨曦光
导　师: 范文义
学　校: 东北林业大学
专　业: 森林经理学
关键词: 高光谱遥感 Hyperion 叶绿素含量氮素含量反演
分类号: S718.5
类　型: 硕士论文
年　份: 2010年
下　载: 216次
引　用: 4次
阅　读: 论文下载

内容摘要

高光谱遥感的产生和发展,为应用遥感技术进行森林资源调查、森林健康状况研究、森林生物量及其他森林参数估算提供了更高光谱分辨率的数据。森林生化参数,特别是森林叶绿素及氮素含量直接反映着森林的健康和胁迫情况,利用遥感手段定量的估算森林生化参数对研究全球碳循环模型,评价森林对陆地生态系统的作用有着重要的意义。本研究通过获取叶片的叶绿素和氮素含量数据及其对应的叶片光谱数据,研究叶片生化参数,特别是叶绿素及氮素含量的遥感定量估算方法和模型。本研究分别使用了多元统计模型、神经网络模型、支持向量机以及物理光学模型四种方法研究叶绿素含量及氮素含量的估算模型。结果表明,叶片尺度叶绿素含量的反演方法中,以改进的误差后向反馈神经网络Erf-Bp模型效果最好。其中以包含13个神经元的三层式Erf-BP神经网络精度最高,网络拟合精度为95.28%,检验精度为94.46%,均方根误差RMSE为3.321μg/cm2。叶片尺度氮素含量反演方法,使用Diff(R535)变量,Sigmoid=1时的径向基函数核支持向量机模拟效果较好,实测数据与模型模拟结果之间的相关系数达到了0.984。叶绿素及氮素含量的估算模型是基于叶片光谱建立的,不能直接进行森林冠层生化参数的遥感定量反演。因此,本研究使用几何光学模型4-Scale模型结合查找表的方法将高光谱Hyperion影像的冠层光谱转化为叶片光谱,从而使叶绿素及氮素含量估算模型参数和遥感影像具有相同的尺度,应用反演模型实现叶片尺度的叶绿素和氮素含量的遥感定量反演。然后结合森林结构参数(叶面积指数)实现叶片尺度与冠层尺度叶绿素含量及氮素含量的转化。叶面积指数的遥感定量估算使用的是统计方法。利用地面实测数据建立叶面积指数与高光谱遥感影像植被指数的相关性模型,实现研究区域叶面积指数的定量反演。叶面积指数反演模型的决定系数R2为0.8156,均方根误差RMSE为0.5426,模型精度为83.02%。利用Hyperion影像中反演的叶面积指数,结合叶片尺度的叶绿素及氮素含量制图,得到了研究区域冠层尺度的叶绿素及氮素含量制图。结果表明,叶绿素及氮素含量的反演结果较好,与实际情况相符合。

全文目录

摘要  3-4
Abstract  4-9
1 绪论  9-22
  1.1 引言  9-10
  1.2 高光谱遥感技术及其发展  10-14
    1.2.1 高光谱遥感概念  10-11
    1.2.2 高光谱遥感成像机理  11-12
    1.2.3 高光谱遥感的特点  12-13
    1.2.4 高光谱成像光谱仪的发展现状  13-14
  1.3 高光谱遥感在林业中的应用  14-19
    1.3.1 森林生物物理参数提取  15-17
    1.3.2 森林生物化学参数提取  17-19
  1.4 研究目的和意义  19-22
    1.4.1 研究目的和意义  19
    1.4.2 研究内容  19-20
    1.4.3 技术路线  20-22
2 研究区域概况及数据获取  22-26
  2.1 研究区域概况  22
    2.1.1 研究区域位置  22
    2.1.2 地形气候  22
    2.1.3 林木资源  22
  2.2 野外数据的采集和处理  22-25
    2.2.1 叶绿素含量的测定  22-23
    2.2.2 氮含量测定  23-24
    2.2.3 地物光谱测量  24-25
    2.2.4 叶面积指数LAI的测定  25
  2.3 高光谱数据的获取  25-26
3 高光谱Hyperion数据预处理  26-34
  3.1 Hyperion数据介绍  26
  3.2 Hyperion数据预处理  26-31
    3.2.1 水汽吸收波段和非定标波段的剔除  26-27
    3.2.2 辐射定标  27
    3.2.3 坏线修复  27-28
    3.2.4 垂直条纹校正  28
    3.2.5 "Smile"效应的校正  28-31
  3.3 大气校正  31-32
  3.4 几何校正  32
  3.5 本章小结  32-34
4 叶片尺度叶绿素含量估算方法  34-51
  4.1 叶绿素对叶片光谱的影响  34
  4.2 叶片尺度叶绿素含量统计模型估算方法  34-37
    4.2.1 叶绿素与光谱反射率的相关性分析  35-36
    4.2.2 基于多元线性回归的叶片尺度叶绿素含量反演模型  36-37
  4.3 叶片尺度叶绿素含量神经网络模型估算方法  37-41
    4.3.1 神经网络简介  37-38
    4.3.2 基于改进的BP神经网络的水平叶绿素含量反演模型  38-41
  4.4 叶片尺度叶绿素含量支持向量机模型估算方法  41-45
    4.4.1 支持向量机理论介绍  41-44
    4.4.2 基于支持向量机的叶片尺度叶绿含量反演模型  44-45
  4.5 叶片尺度叶绿素含量物理光学模型估算方法  45-49
    4.5.1 叶片物理光学模型介绍  45-47
    4.5.2 PROSPECT模型叶绿素含量敏感性分析  47-48
    4.5.3 基于PROSPECT模型叶绿素含量反演方法  48-49
  4.6 各类模型精度比较  49
  4.7 本章小结  49-51
5 叶片尺度氮含量估算方法  51-57
  5.1 氮素对叶片光谱的影响  51-52
  5.2 叶片氮含量多元统计模型估算方法  52-53
    5.2.1 氮含量与光谱反射率的相关性分析  52-53
    5.2.2 基于多元线性回归的叶片氮含量反演模型  53
  5.3 叶片氮含量Erf-BP神经网络估算方法  53-54
  5.4 叶片氮含量支持向量机估算方法  54-55
  5.5 各类模型的精度比较  55-56
  5.6 本章小结  56-57
6 尺度问题及其尺度转化  57-64
  6.1 叶绿素和氮含量估算模型存在的尺度问题  57
  6.2 冠层光谱与叶片光谱之间的尺度转化  57-60
    6.2.1 冠层光谱与叶片光谱之间的尺度转化方法  57-58
    6.2.2 高光谱遥感数据与叶片光谱的转化结果  58-60
  6.3 不同单位之间的尺度转化  60-61
    6.3.1 不同单位之间的尺度转化方法  60-61
    6.3.2 LAI反演模型  61
  6.4 森林生化参数遥感定量反演  61-63
  6.5 本章小结  63-64
结论与讨论  64-67
参考文献  67-73
攻读学位期间发表的学术论文  73-74
致谢  74-75

高光谱数据提取森林冠层叶绿素及氮含量的研究

内容摘要

全文目录

相似论文