更新时间：01-30 （A-Lin）提供原创文章
摘要：随着遥感技术的发展，植被指数作为表征地表植被覆盖和生长状况的度量参数，已经在环境、生态、农业等领域有了广泛的应用。针叶林是主要的植被类型，植被指数（VI）是将遥感地物光谱资料经数学方法处理， 以反映植被状况的特征量。因此，对植被指数的敏感因子研究具有重要的理论和实践意义。本文选取江西省余干县2008年的一景多角度高光谱CHRIS/PROBA 影像的反射率数据，提取18个波段的数值，计算比值植被指数（RVI）、归一化植被指数 (NDVI)、垂直植被指数（PVI）、土壤调节植被指数（SAVI）。其中利用8个红外光波段及5个近红外光波段两两组合，构建窄波段植被指数；以及取近红外光与红光波段的平均值计算宽波段植被指数。并与采样点的绿量（LVV）采取最小二乘法建立二次多项式模型。最后根据模型的RMSE值，从观测角度以及植被指数类型两个方面探讨影响针叶林植被绿量反演模型的拟合度。结果表明，窄波段植被指数与绿量的相关性总体上优于宽波段植被指数；但各不同类型的窄波段植被指数的落点波段不尽相同。优选变量分别为基于14、9波段的PVI，SAVI（14、12波段），以及NDVI（14、10）。研究表明，针叶林植被绿量反演模型受观测角度、植被指数类型的不同而存在不同幅度的影响。建议采用+36°观测角度下的垂直植被指数PVI建模，以利于获取最稳定模型，从而提高针叶林LVV的估算精度。
关键词：植被指数；CHRIS数据；观测角度；模型敏感度；宽窄波段植被指数
目录
摘要
Abstract
1引言-1
2 材料与方法-2
2.1 研究区概况-2
2.2 数据来源-3
2.2.1 地面实测数据-3
2.2.2 影像数据-3
2.3 遥感影像预处理-4
2.4 波段的选择和植被指数提取-5
2.5 LVV-VI模型的建立和验证-6
3 结果与讨论-6
3.1 LVV-VI的相关性-6
3.2 LVV-VI相关模型-9
3.3 相关模型分析-10
3.3.1 观测角度-10
3.3.2 植被指数-10
3.4 敏感性的影响因素分析-11
3.3.1 观测角度-12
3.3.2 植被指数-12
4 结论-12