摘要：植被葉面積指數（LAI）是生態系統碳循環、能量交換、水文和氣候等模型中重要的輸入因子，因而對葉面積指數提取方法的研究具有重要意義。本文選取江西省余干縣2008年的一景多角度高光譜CHRIS/PROBA 影像5個觀測角度（±55°、0°和±36°）的反射率數據，分別利用波段均值法、主成份法對影像的反射率數據進行波段處理，每種方法均得到藍、綠、紅、近紅外4個波段。每個波段采用3種窗口（3*3,5*5,7*7）分別提取了5種紋理(TEX)，即基于概率統計的數據范圍、均值、方差和基于二階概率統計的均值 、方差。經過模型的優選，每個紋理與野外實測的草本、灌木、闊葉林、針闊葉混交林和針葉林的LAI分別建立8個單變量模型和1個多變量模型。比較不同模型的決定系數R2值,分析植被類型、波段處理方法、觀測天頂角、窗口、波段選擇對模型擬合度的影響。結果表明，LAI-TEX關系模型的決定系數R2因植被類型、波段處理方法、觀測天頂角等的組合而有差異。闊葉林、針闊混交林建立的模型整體較優（R2均值0.8以上），灌木植被次之(R2均值0.637)，而針葉林和草本建模較差（R2均值為0.4以下）。在不同植被類型的優選模型中，除闊葉林之外，其它植被類型均采用3*3窗口和Mean紋理波段；采用一階紋理得到的關系模型決定系數較高；波段處理方法、觀測角度、波段選擇對不同植被類型的優選模型影響不大。所以，綜合考慮各因素對模型的影響對改進紋理提取LAI方法具有重要意義。

關鍵詞：LAI；CHRIS數據；紋理；變量模型；植被類型

目錄

摘要

Abstract

1 引言-1

2 材料與方法-3

2.1 研究區概況和數據來源-3

2.2 LAI野外測量-6

2.3 遙感影像預處理和波段處理-7

2.4 紋理構建和紋理信息提取-8

2.5 LAI-TEX模型的建立-9

3 結果與討論-10

3.1 LAI-TEX的相關性-10

3.2 LAI- TEX 關系模型-12

3.3模型綜合分析-15

4 結論-18

致謝-19

參考文獻：-20