三种回归分析方法在Hyperion影像LAI反演中的比较

被引：14

作者：

孙华 ^{[1
,2
]}

鞠洪波 ^{[1
]}

张怀清 ^{[1
]}

林辉 ^{[2
]}

凌成星 ^{[1
]}

机构：

[1] 中国林业科学研究院资源信息所

[2] 中南林业科技大学林业遥感信息工程研究中心

来源：

生态学报 | 2012年 / 32卷 / 24期

关键词：

遥感反演; 叶面积指数; 偏最小二乘回归; 植被指数; 黄丰桥林场;

D O I：

暂无

中图分类号：

S771.8 [森林遥感]; TP79 [遥感技术的应用];

学科分类号：

1404 ; 081102 ; 0816 ; 081602 ; 083002 ;

摘要：

借助GPS进行地面精确定位,利用LAI-2000冠层分析仪在攸县黄丰桥林场开展130个样地(60m×60m)的叶面积指数(Leaf Area Index,LAI)测量。采用FLAASH模块对Hyperion数据进行大气校正并与地面同步冠层观测数据进行拟合,通过研究地面实测LAI与Hyperion影像波段及其衍生的系列植被指数(NDVI、RVI等)的相关性,筛选出估算叶面积指数的植被指数因子。应用曲线估计、逐步回归及偏最小二乘三种回归分析技术分别建立叶面积指数的最优估算模型。结果表明:参与建模的因子中,比值植被指数(RVI)与LAI的相关性最大,敏感性最高,其次是SARVI0.1,NDVI705,NDVI,SARVI0.1,SARVI0.25;曲线估计、逐步回归分析和偏最小二乘回归三种分析方法所建的6个回归模型中,偏最小二乘回归的拟合效果最好,预测值与实测值的决定系数R2为0.84、曲线估计的拟合效果最低,预测值与实测值的决定系数R2为0.64;建模精度分析表明,选用5—6个自变量因子进行LAI建模是可靠的,以6个植被因子建立的偏最小二乘回归模型预测精度最高。

引用

页码：7781 / 7790

页数：10

共 29 条

[1] Large-scale leaf area index inversion algorithms from high-resolution airborne imagery [J].

Gonsamo, Alemu ;

Pellikka, P. ;

King, D. J. .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2011, 32 (14) :3897-3916

[2]

Normalized sensitivity measures for leaf area index estimation using three-band spectral vegetation indices.[J].Alemu Gonsamo.International Journal of Remote Sensing.2011, 7

[3] Remote sensing of forest biophysical variables using HyMap imaging spectrometer data [J].

Schlerf, M ;

Atzberger, C ;

Hill, J .

REMOTE SENSING OF ENVIRONMENT, 2005, 95 (02) :177-194

[4] Relationships between leaf area index and Landsat TM spectral vegetation indices across three temperate zone sites [J].

Turner, DP ;

Cohen, WB ;

Kennedy, RE ;

Fassnacht, KS ;

Briggs, JM .

REMOTE SENSING OF ENVIRONMENT, 1999, 70 (01) :52-68

[5]

A comparison of vegetation indices over a global set of TM images for EOS-MODIS.[J].A.R. Huete;H.Q. Liu;K. Batchily;W. van Leeuwen.Remote Sensing of Environment.1997, 3

[6]

森林蓄积量遥感估测理论与实现.[M].李崇贵;赵宪文;李春干著;.科学出版社.2006,

[7]

偏最小二乘回归的线性与非线性方法.[M].王惠文; 吴载斌; 孟洁; 著.国防工业出版社.2006,

[8] 利用可见/近红外光谱测定小麦叶面积指数的改进研究 [J].