遥感应用模型5-被(2)-叶面积指数估算模型.ppt

曲线回归模型 利用先前已经做好的研究区遥感影像分类图作为底图，把研究区分为草甸、沼泽、灌丛和岛状林等4种湿地植被区； 然后利用各自的LAI估算模型来估算湿地植被LAI 的大小，最后得到整个研究区的湿地植被LAI空间分布图。 将植被LAI遥感反演结果划分为6个等级：0-1、1-2、2-3、3-4、4-5 和5-6 保护区内除了湿地植被类型外，还有一个特殊的人工植被类型—耕地，对耕地以及无植被覆盖的水面进行掩膜处理。 参考文献 叶面积指数的研究和应用进展.生态学杂志，2005，24（5）：537-541 基于图像处理技术的小麦叶面积指数的提取. 农业工程学报，2010，26（1）：205-209 冬小麦叶面积指数地面测量方法的比较. 农业工程学报，2011，27（3）：220-224 三江平原湿地植被叶面积指数遥感估算模型.生态学杂志，2008，28（7）：803-808 第二章 植被遥感 叶面积指数估算模型 本章主要内容 叶面积指数估算模型 叶面积指数（LAI）是指单位地表面积上方植物叶单面面积的总和，它是叶覆盖的无量纲度量。 叶面积指数作为进行植物群体和群落生长分析的重要参数和评价指标，在农业、林业及生态学等领域得到了广泛的应用。 依靠传统的地面样方实测的方法来估算叶面积指数又是一项花费巨大人力、财力且精度不高的工作。 因此，探讨利用遥感影像估算植被的叶面积指数的方法已成为当前建立全球及区域气候、生态模型的基础工作之一。 通常检验遥感反演叶面积指数的精度常常通过地面实地测量的方式。 地面测量叶面积指数的方法有很多种，大致分为两类—直接测量法和间接测量法。 直接测量法包括系数法和比叶重法等。在叶子的采集和叶面积的测量过程中，具有一定的破坏性。 间接测量法包括基于数字图像处理技术的照相法，基于光学仪器进行LAI测量的仪器测量法，利用光谱或植被指数与LAI的统计回归关系的模型法等。 每种方法都有其自身特点所决定的测量误差，有其所适宜采用的天气、植被生育期等条件。 不同的测量方法，得到的LAI有所差异，在对LAI精度敏感的研究中，需要对地面测量方法的误差进行分析。 比叶重法 比叶重法是利用单位叶面积与叶子干重的比值来获取叶面积指数的一种方法。 选定有代表性的地块，取一定面积(A)的植物样品于取样袋中，测定前记录取样面积上的总株数m； 从所取样品中选5株，摘下所有展开绿色叶片，选取叶片中宽窄较为一致的地方，剪2或3cm长度的小段，计算面积(S)，然后烘干称质量w1，然后对剩余绿叶全部烘干后称质量w2，其计算式如下 比叶重法原理简单、较为精确，常被用作林业上森林树种或农业上作物的比较测定。 但其过程复杂，制作标叶、烘干、称质量操作步骤多，耗时较长，结果又受到叶片厚度不均匀的影响，且采样具有破坏性，不能重复测量。 照相法 照相法是基于数字图像处理技术，计算数字相片上绿叶与已知实际面积(S)的参考物的像素之比(P)来求绿叶部分所占的面积； 再根据植株的生长密度，进而求得叶面积指数。 A为取样面积；S为参考物的实际面积；P为相片上绿叶与参考物的像素之比；m为取样面积上的总株数；n为照片中所拍摄到的植株数。 基于图像处理技术的小麦叶面积指数的提取 针对不同的小麦品种设置了不同密度的栽培条件，通过数码相机获取不同发育期内自然生长的小麦群体冠层数字图像。 利用计算机图像处理技术对图像进行分析计算从而得到叶面积指数。 然后利用实测数据与图像分析得到的数据建立数学模型。 这种方法克服了以往选用单一品种、单一种植条件样本的局限性，确保了建立的小麦叶面指数估测模型全面、准确。 数字图像获取 试验在东北农业大学小麦试验田内进行，选择龙辐麦16号、06-4074、06-4059、06-4075、06-4108 5 个小麦品种，种植密度为每公顷600 万株、700 万株、800 万株、900 万株、1000万株5 个级别。 选择在小麦的主叶、分蘖、拔节、孕穗等关键生长期，于晴天光照强度适中的上午6:00－8:00间采集图像。 拍摄前人工去除杂草。选择群体长势均匀的地点，采用5 cm×5 cm 的白色纸板作为参照标准置于小麦冠层同一平面，采用SONY DSC-F707 数码相机（设置为640 像素×480 像素）垂直于小麦群体冠层进行拍摄。 实际数据获取 首先用长直尺测量进入相机镜头边界的土地区域面积D； 然后数清区域内的株数N；在拍摄区域内随机抽取5 株小麦样本，分别测量单株叶数m及每片叶的长L、宽W，则有单叶叶面积（校正系数K为0.83）。 实际叶面积指数 直方图信息 图像分割 最大类间方差法算法简单、处理速度快，但是小的目标区域被滤掉，噪声干扰明显； 最小误差法受目标大小影响小但阈值选择困难，噪声干扰较大，提取目标精度低； 最小偏态法处理速度快但