更新时间：01-30 （A-Lin）提供原创文章
摘要：叶面积指数( Leaf Area Index，LAI) 是重要的植被结构参数，反演LAI 是植被遥感的重要研究内容之一。以江西省余干县为研究样区，基于新一代微卫星高光谱多角度CHRIS /PROBA遥感图像5个观测角度(±55°、0°和±36°)的反射率数据，提取垂直植被指数(PVI)，与地面实测的植被叶面积指数(LAI)进行了回归分析，建立了LAI-VI模型，定量反演叶面积指数( LAI)。利用EER对最优模型进行精度分析。结果表明：LAI-VI关系模型的决定系数R2因坡向类型，观测角度的不同而不同。从坡向类型来看，西坡向建立的模型较优(R²均值在0.7以上)，南、西南和东次之(R²均值在0.4以上)，北和东南建模较差(R²均值在0.3以下)。从不同的角度图像来看，55图像建立的模型较优，-55图像建立的模型较差。说明LAI-VI模型的可靠性受到遥感角度的影响。在最优模型的误差分析中，从坡向类型来看，南、西南和西模型的误差较小，东和东南模型误差次之，北坡向模型精度最差。从图像角度来看，55º(49.409)和36º(36.903)模型误差最小，-55º(33.761)和0º(28.580)模型误差次之，-36º模型误差最大。在LAI-VI关系建模过程中，基于多角度高光谱遥感数据提取植被指数，有利于充分挖掘遥感影像信息，能够提高LAI估算精度。
关键词：CHRIS /PROBA数据 植被指数 叶面积指数 坡向 模型
目录
摘要
Abstract
1 引 言-1
2 材料与方法-2
2.1研究区概况与数据来源 -2
2.2 研究方法-4
2.2.1 LAI野外实测-4
2.2.1 图像预处理与植被指数提取-4
3.2.1 LAI-VI模型的建立-5
3 结果与讨论-5
3.1 LAI-VI 关系模型-5
3.2 优选模型-7
3.3 最优模型误差分析-8
4 结 论-10
致 谢-11
参考文献-11