基于Prospect,Liberty和Geosail模型的森林叶面积指数的反演

doi:10.11707/j.1001-7488.20110913

林业科学 ›› 2011, Vol. 47 ›› Issue (9): 75-81.doi: 10.11707/j.1001-7488.20110913

基于Prospect,Liberty和Geosail模型的森林叶面积指数的反演

李海洋, 范文义, 于颖, 杨曦光

东北林业大学林学院哈尔滨 150040

收稿日期:2009-11-27 修回日期:2010-06-07 出版日期:2011-09-25 发布日期:2011-09-25
通讯作者: 范文义

Leaf Area Index Retrieval Based on Prospect,Liberty and Geosail Models

Li Haiyang, Fan Wenyi, Yu Ying, Yang Xiguang

Forest College, Northeast Forestry University Harbin 150040

Received:2009-11-27 Revised:2010-06-07 Online:2011-09-25 Published:2011-09-25

摘要/Abstract

摘要：

针对传统的统计模型方法反演叶面积指数(LAI)具有不稳定、区域不统一性的缺点,本研究从物理机制角度出发,以Prospect,Liberty和Geosail模型为基础,建立查找表从TM影像上反演LAI,并与TRAC实测的LAI比较。结果表明: 基于机制模型与查找表的方法反演的LAI与实测的LAI有较好的一致性,实测精度达到83.7%。

关键词: 叶面积指数, TM, 查找表, Prospect, Liberty, Geosail

Abstract:

Leaf area index (LAI) is a key forest structural parameter which plays an important role in controlling the exchange and cycle process of maters and energy in land ecosystem. Because of the disadvantages of unstable and various statistical models for LAI retrieval, this paper presents a new method of LAI retrieval from TM images based on the Geosail bidirectional canopy reflectance model coupled with the Prospect and Liberty leaf optical properties model and look-up-table. Compared with the LAI measurements by TRAC(tracing radiation and architecture of canopies), the results show that LAI estimated from phyisical models and look-up-table and LAI measurements are in good agreement, with precision is 83.7%.

Key words: leaf area index(LAI), TM, look-up-table, Prospect, Liberty, Geosail

中图分类号:

S757.1

李海洋;范文义;于颖;杨曦光. 基于Prospect,Liberty和Geosail模型的森林叶面积指数的反演[J]. 林业科学, 2011, 47(9): 75-81.

Li Haiyang;Fan Wenyi;Yu Ying;Yang Xiguang. Leaf Area Index Retrieval Based on Prospect,Liberty and Geosail Models[J]. Scientia Silvae Sinicae, 2011, 47(9): 75-81.

[1]	刘海轩, 许丽娟, 吴鞠, 徐程扬. 城市森林降温效应影响因素研究进展[J]. 林业科学, 2019, 55(4): 144-151.
[2]	尤号田, 邢艳秋, 彭涛, 丁建华. 机载LiDAR航带旁向重叠对针叶林结构参数估测的影响[J]. 林业科学, 2018, 54(6): 109-118.
[3]	李英杰, 张广群, 汪杭军. 基于自学习特征的林业业务图像分类方法[J]. 林业科学, 2018, 54(5): 78-86.
[4]	田静, 邢艳秋, 姚松涛, 曾旭婧, 焦义涛. 基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较[J]. 林业科学, 2017, 53(2): 26-34.
[5]	刘志理, 金光泽. 光学仪器法测定叶面积指数季节变化的误差分析[J]. 林业科学, 2016, 52(9): 11-21.
[6]	周靖靖, 赵忠, 刘金良, 赵君, 赵青侠, 刘俊. 不同方法提取的快鸟影像信息估算刺槐林有效叶面积指数的精度比较[J]. 林业科学, 2015, 51(9): 24-34.
[7]	王会霞, 王彦辉, 杨佳, 谢滨泽, 石辉. 不同绿化树种滞留PM_2.5等颗粒污染物能力的多尺度比较[J]. 林业科学, 2015, 51(7): 9-20.
[8]	郭云, 李增元, 陈尔学, 田昕, 凌飞龙. 甘肃黑河流域上游森林地上生物量的多光谱遥感估测[J]. 林业科学, 2015, 51(1): 140-149.
[9]	张茂震, 王广兴, 葛宏立, 徐丽华. 基于空间仿真的仙居县森林碳分布估算[J]. 林业科学, 2014, 50(11): 13-22.
[10]	刘志理, 戚玉娇, 金光泽. 小兴安岭谷地云冷杉林叶面积指数的季节动态及空间格局[J]. 林业科学, 2013, 49(8): 58-64.
[11]	林杰;张金池;顾哲衍;吴玉敏. 基于叶面积指数的植被覆盖管理措施因子C的遥感定量估算[J]. , 2013, 49(2): 86-92.
[12]	徐小军;周国模;杜华强;董德进;崔瑞蕊;周宇峰;沈振明. 基于Landsat TM数据估算雷竹林地上生物量[J]. 林业科学, 2011, 47(9): 1-6.
[13]	沈希;张茂震;;祁祥斌;. 基于回归与随机模拟的区域森林碳分布估计方法比较[J]. 林业科学, 2011, 47(6): 1-8.
[14]	范文义;李明泽;杨金明. 长白山林区森林生物量遥感估测模型[J]. 林业科学, 2011, 47(10): 16-20.
[15]	向洪波郭志华赵占轻王建力. 不同空间尺度森林叶面积指数的估算方法[J]. 林业科学, 2009, 12(6): 139-144.

基于Prospect,Liberty和Geosail模型的森林叶面积指数的反演

Leaf Area Index Retrieval Based on Prospect,Liberty and Geosail Models

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

作者中心

期刊获奖

引证指标

联系方式