植被覆盖度的照相法测算及其与植被指数关系研究

论文题目: 植被覆盖度的照相法测算及其与植被指数关系研究

论文类型: 硕士论文

论文专业: 地图学与地理信息系统

作者: 顾祝军

导师: 曾志远

关键词: 植被覆盖度,照相法,植被指数,模型,遥感图像

文献来源: 南京师范大学

发表年度: 2005

论文摘要: 植被覆盖度(Vegetation Coverage,简称VC)是衡量地表植被状况的一个最重要的指标,同时,它又是影响土壤侵蚀的主要因子。植被覆盖及其变化是全球和区域生态环境变化的重要指示。而植被覆盖度测量方法的改进以及测量精度的提高是各领域发展的需要。无论地表实测方法还是遥感相关模型,都因为技术的进步和应用的需求而对相关领域的研究提出了新的要求。本文在国家自然基金项目“SPOT图像信息提取与土地利用/土地覆盖识别与监测研究”(编号:40371053)的资助下,以南京市主城区及其周边农田为研究区,从该区SPOT和ETM+两幅卫星图像提取的各种植被指数中,选取使用最为广泛的归一化植被指数(NDVI)作为遥感植被指标;野外调查与遥感成像时间准同步,累计20余天、行程数百公里,以亚米级精度的差分GPS获取几何控制点和所有实测样方的经纬度数据;用植被覆盖度地表实测方法中最为精确的数码照相法,结合传统的目估法,获取样方植被覆盖度;最后建立了不同卫星图像、不同植被类型、不同植被密度以及面向全区(图)的植被覆盖度遥感反演模型,并对模型进行了应用和精度检验,其精度都在80%以上。本研究的主要成果概括如下: 1 数据方面通过艰苦细致的野外实测,获取了针对两种卫星图像的数百个样方实测数据,包括每一样方的植被覆盖度、植被覆盖度相片、中心点经纬度和相对位置、植被类型、土地利用类型等,以及用于几何精校正的几何控制点数据; 2 实测方法方面自行设计并成功构建了以数码照相机和DGPS为核心的野外植被覆盖度信息采集系统(VCCS);拍摄采样方法则根据不同卫星图像和植被状况,分别成功采用SPOT单层植被“5点法”、SPOT多层植被“5对法”和ETM+样方植被“5区法”;对多层植被,建立了由“上、”“下”两种植被覆盖度推算样方植被覆盖度的测算模型;每张植被覆盖度相片均采用垂直照相法拍摄; 3 数字图像处理方面根据数码相片中可见光波段的光谱特性,对垂直向上和垂直向下照相法获取的相片设计了不同的决策树分类模型,实现相片植被覆盖度信息快速、准确的提取,克服了传统分类方法的不足;根据样方中心点在像元中的位置差异,将样方分为A型、B型和C型,进行不同的“邻域”处理,有效提高了样方—像元空间对应的准确性; 4 模型方面成功构建了SPOT图像基于植被类型的VC反演模型(CM模型)、SPOT图像基于植被密度的VC反演模型(DM模型)、SPOT图像基于全研究区的VC反演模型(AM模型)、ETM+图像基于全研究区的VC反演模型(AM模型)各若干种,其中SPOT图像CM模型,将植被按地域和组成结构分为矮草、灌草、森林和农作物四种类型,建立了基于植被类型的非线性和线性相关模型各4个,下述几个非线性模型的相关性优于线性模型(y=VC,x=NDVI,下同): 矮草 y=4.8253x~2+2.0624x+0.3579 (R~2=0.6636) 灌草 y=4.562x~2+0.6899x+0.5546 (R~2=0.6356) 森林 y=-2.0552x~2+0.4631x+0.8612 (R~2=0.7145) 农作物 y=1.4706x~2+1.3582x+0.4734 (R~2=0.7391) 对以下几种模型进行了应用和精度检验: 1) SPOT图像DM模型将SPOT样方数据按照植被覆盖度(密度)等级不同,建立线性和非线性回归模型,对以下三种非线性模型进行了应用检验,其总体精度为86.7045%: ①稀疏植被 y=-0.649x~2+0.5616x+0.2762 (R~2=0.7120)

论文目录:

声明

摘要

ABSTRACT

第一章绪言

第一节植被覆盖度的研究意义

一植被覆盖度的概念

二植被覆盖度研究意义

第二节国内外植被覆盖度研究进展

一植被覆盖度地面测量方法研究进展

二植被覆盖度遥感反演方法研究进展

三用于植被覆盖度监测的遥感植被指标进展

第三节本文研究内容与步骤

一研究内容

二研究步骤

第二章研究区概况与技术路线

第一节研究区概况

第二节技术路线

第三节研究方法与步骤

一资料准备

二野外实测

三遥感图像预处理

四遥感图像植被指数的提取和筛选

五植被覆盖度与植被指数相关模型建立

六模型应用与检验

第三章野外实测植被覆盖度

第一节照相法实测植被覆盖度准备

一方法设计

二工具准备

三路线选定

第二节照相法实测植被覆盖度过程

一实测时间安排

二 GPS应用与控制点的选取和解算

三样方的选取和照相法测量

第三节相片的植被覆盖度信息提取

一相片裁剪

二分类方法的选择

三对多层植被样方数据的处理

四研究区实测植被覆盖度结果

第四章遥感图像处理

第一节遥感图像几何精校正

一几何精校正的意义

二几何精校正步骤

第二节遥感图像辐射校正

一辐射校正概述

二本研究采用的辐射校正方法~[147]

第三节实测样方植被指数的提取和相关分析

一植被指数图的生成

二建立实测样方矢量图

三获取实测样方植被指数

四样方植被指数相关分析及建模植被指数选取

第五章植被覆盖度与植被指数关系研究

第一节植被覆盖度关系模型的建立方法

一数据的选取原则

二数据的选取方法

三建立VC-VI相关模型

第二节 SPOT图像基于植被类型的VC相关模型(CM)

一 SPOT图像CM模型的建立

二模型有效区间的处理

三结果分析

第三节 SPOT图像基于不同植被密度等级的VC相关模型(DM)

一 SPOT图像分类中典型地物的选取

二 SPOT图像DM模型的建立

三 SPOT图像DM模型分析

四 SPOT图像DM模型的应用

第三节基于全研究区SPOT图像的VC相关模型(AM)

一 SPOT图像AM模型的建立

二 SPOT图像AM模型分析

第四节基于全研究区ETM+图像的VC相关模型(AM)

一 ETM+图像AM模型的建立

二 ETM+图像AM模型分析

第六章 VC-VI关系模型的应用与检验

第一节应用DM模型估算SPOT图像的植被覆盖度

一图像分类

二波段运算

三精度评价

第二节应用AM模型估算SPOT图像植被覆盖度信息

一建立波段运算公式

二进行波段运算

三精度评价

第三节应用AM模型估算ETM+图像植被覆盖度信息

一建立波段运算公式

二进行波段运算

三精度评价

结论与展望

一主要成果

二存在问题

三研究展望

参考文献

附录1 野外植被覆盖度调查路线表

附录2 SPOT样方照相法实测植被覆盖度结果

附录3 ETM+样方照相法实测植被覆盖度

附录4 SPOT样方目估植被覆盖度(VC)

附录5 ETM+样方目估植被覆盖度(VC)

附录6 SPOT样方植被指数(未经辐射校正)

附录7 ETM+样方植被指数(未经辐射校正)

附录8 SPOT样方植被指数(辐射校正后)

附录9 ETM+样方植被指数(辐射校正后)

附录10 SPOT样方各种植被指数相关系数表(未经辐射校正)

附录11 ETM+样方各种植被指数相关系数表(未经辐射校正)

附录12 SPOT样方各种植被指数相关系数表(辐射校正后)

附录13 ETM+样方各种植被指数相关系数表(辐射校正后)

附录14 SPOT目估样方植被指数

附录15 ETM+目估样方植被指数

致谢

发布时间: 2005-11-14

参考文献

[1].基于多源数据的大连局部地区植被覆盖度研究[D]. 王灿灿.辽宁师范大学2018
[2].基于中分辨率遥感影像的大区域植被覆盖度监测研究[D]. 杜英坤.山东农业大学2017
[3].基于长时序多源遥感数据的植被覆盖度反演与变化检测研究[D]. 刘晓菲.中国矿业大学2014
[4].区域植被覆盖度提取的尺度效应分析[D]. 郑淳月.西北大学2016
[5].基于ESTARFM模型的西安地区植被覆盖度遥感估算与应用[D]. 郭娇.西安科技大学2017
[6].中山陵景区SPOT5融合及分类技术研究[D]. 徐达.南京林业大学2005
[7].卫星遥感影像空间定位模型建立及其精度控制研究[D]. 张奇.解放军信息工程大学2006
[8].基于SPOT5的土地信息提取技术研究[D]. 秦园.大连理工大学2010
[9].TM及SPOT遥感图像融合算法研究[D]. 张林玲.河海大学2007
[10].基于SPOT和NOAA数据的河北省干旱遥感监测研究[D]. 吴杨洁.河北师范大学2012

植被覆盖度的照相法测算及其与植被指数关系研究

猜你喜欢