植被指数不同计算方法比较与分析
  • 【摘要】

    植被指数是对地表植被状况的简单、有效和经验的度量.在遥感应用领域,植被指数已广泛用来定性和定量评价植被覆盖及其生长活力.植被指数可建立遥感影像上获取的DN值、表观/地表辐亮度、表观/地表反射率,但这几种方法之间存在着差异.DN值植被指数受系统误差和环境误差的影响;表观辐亮度植被指数可以消除遥感器的系统误差;表观反射率植被指数与表观辐亮度植被指数相比降低由于不同传感器成像时间不同导致大气和光照等条件... 展开>>植被指数是对地表植被状况的简单、有效和经验的度量.在遥感应用领域,植被指数已广泛用来定性和定量评价植被覆盖及其生长活力.植被指数可建立遥感影像上获取的DN值、表观/地表辐亮度、表观/地表反射率,但这几种方法之间存在着差异.DN值植被指数受系统误差和环境误差的影响;表观辐亮度植被指数可以消除遥感器的系统误差;表观反射率植被指数与表观辐亮度植被指数相比降低由于不同传感器成像时间不同导致大气和光照等条件不同而引起的误差,由于未经过大气校正,仍存在较大误差;地表反射率植被指数由于消除了系统本身和环境因素两个方面引起的误差,理论上,地表反射率植被指数最接近真实反射率植被指数.此外,植被指数是通过近红外波段和红光波段线性或非线性组合而得到,不同的组合使得植被指数本身可以削弱某些误差的影响,使得不同计算方法对植被指数计算结果影响无法确定. 本文以植被指数算法为研究目标,通过比较DN值植被指数,表观辐亮度植被指数,表观反射率植被指数与地表反射率植被指数的差值来研究不同植被指数算法之间的差异. 以黑河流域为研究区,选用该区2008年三个时相的Landsat TM/ETM+影像数据.利用ENVI4.7软件分别用DN值、表观辐亮度、表观反射率和地表反射率四种方法计算植被指数,从不同覆盖密度植被,不同时间,不同植被指数三个方面分析植被指数四种计算方法的不同.结合与2008年同步的野外实测LAI数据,对四种不同方法计算的NDVI、SAVI、ARVI和RVI四种植被指数与野外实测叶面积指数进行回归分析,选取一元线性、二次多项式和指数函数三种数学公式来拟合他们之间的关系.分析不同计算方法所得植被指数与实测LAI相关关系的强弱,研究结果表明: (1)不同覆盖密度植被分析,总体上,较少植被受计算方法影响最大,裸地受计算方法影响最小, 与 最为接近. (2)不同时间变化分析,对牧场、农田、树林几种覆盖类型植被,表观辐亮度植被指数与地表反射率植被指数差异最小,DN值植被指数与地表反射率植被指数差异最大.居民地的表观辐亮度植被指数与地表反射率植被指数差异最大,表观反射率植被指数与地表反射率植被指数差异最小. (3)不同植被指数分析,NDVI、ARVI、SAVI、RVI四种植被指数的表观辐亮度植被指数与地表反射率植被指数差别最大,NDVI、ARVI、RVI与地表反射率植被指数差别最小的是表观反射率植被指数,而SAVI是DN值植被指数. (4)在LAI-VI的各种模型中,指数模型是最佳模型,其次是二次多项式模型.一元线性模型的表现一般,明显不如指数函数模型和二次多项式模型. (5)在LAI-VI的指数模型中,NDVI、RVI、ARVI是地表反射率植被指数与LAI相关性最强, 分别是0.8272、0.8266和0.8206;SAVI是表观辐亮度植被指数与LAI相关关系最强, 是0.8116,其中 与LAI的指数模型判定系数 最大,相关性最高,其次是 .不同植被指数的各模型 与地表反射率植被指数最为接近的是:NDVI是表观反射率植被指数,SAVI是DN值植被指数,ARVI和RVI是表观辐亮度植被指数. (6)对LAI- 、LAI- 、LAI- 和LAI- 指数模型分别进行精度验证,平均相对误差分别为8.6%、1.9%、5.4%和7.7%,模型的达到了较高的精度. 收起<<

  • 【作者】

    张飞 

  • 【学科专业】

    摄影测量与遥感

  • 【授予学位】

    硕士

  • 【授予单位】

    武汉大学

  • 【导师姓名】

    巫兆聪

  • 【学位年度】

    2011

  • 【语种】

    chi

  • 【关键词】

    植被指数%叶面积指数%表观辐亮度%表观反射率%地表反射率