首页 > 分享 > 植被覆盖度的提取方法研究精讲.ppt

植被覆盖度的提取方法研究精讲.ppt

花匠小妙招
2024-08-30 18:35

6.2纠正并改进的常规指数根据植被覆盖度与NDVI之间的非线性相关，基于植被覆盖度和植被指数之间的线性相关性(Rougean and Breon, 1995)提出了RDVI的两个新指数，(Chen, 1996)提出了MSR。虽然MSR指数对植被覆盖度的敏感性更大，但是根据表2，MSR指数的敏感性要低于它的导数指数(SR)。根据表3，对于线性、二次和三次关系RDVI和植被覆盖度之间的决定相关性，分别是0.637、0.659和0.663。然而，根据Rougean 和Breon (1995)报告的结果表明，RDVI 指数和植被覆盖度之间的关联比MSR和植被覆盖度之间的关联更具线性。基于改进的归一化植被指数， NDVIc和GNDVI指数比NDVI有较低的决定关联性。在植被稀疏区域对植被覆盖变化运用绿色波段，看起来减少了植被指数的敏感性，在这个类型中NLI指数有最低的相关性。依据研究区的低植被覆盖以及近红外范围的高土壤反射率，（图5所示），对于植被覆盖度变化，通过调整近红外反射率，NLI指数的敏感性已经降低了。（图5 不同光谱波段的反射量） 6.3土壤反射率调整指数为了减少背景的影响，Huete (1988)提出了SAVI指数。这个指数的方程中（表1），L是植被覆盖密度的函数。在这个研究中，所有采样点的植被覆盖度的平均值已经被用来估算L参数，得出L = 0.86853。如表2所示，NDVI和SAVI的相关系数几乎是相同的。Huete (1988)已经将L =0.5作为L的最佳值，但是相关系数并没有显著提高。这是因为对所有的样点采用唯一的L值。这个结果将得不到提高，通过使用OSAVI和NDVI的相关系数，取得了相同的结果，SAVI 和OSAVI几乎是相似的。因此，以前的植被覆盖值对于确定精确地L值是必需的(Huete, 1988)。为了解决这个问题，Qi et al，1994年提出了MSAVI指数，然而，这项研究的结果显示从MSAVI指数获得的相关系数低于SAVI指数的相关系数。一般来说，如Lawrence Ripple(1998)所展示的，对于植被稀疏区域的植被覆盖度的估算，没有一个指数比NDVI更精确。在他们的研究中，从SAVI, OSAVI以及MSAVI中获得的决定相关系数分别是0.55、0.59和0.55。然而，他们通过使用NDVI等于决定相关系数。此外，在0.62来获得的Baugh and Groeneveld (2006)，所做的研究中，显示出SAVI 和MSAVI指数存在前期降水0.4306和0.4446的不精确的决定相关系数。 6.4三角指数在这次研究中，获得了有意义的结果，即通过运用基于绿色波段的指标，精确度则明显地降低，这个可以从GNDVI,TVI, MTVI1 和 MTVI2所获得的结果中看出来。最后提到的三个三角形指数被推荐用于高光谱传感器(Haboudane et al., 2004)当使用多光谱传感器时，对他们进行定制也许是必要的。 6.5非常规比例和差分指数 (Vescovo and Gianelle, 2008)针对植被生物物理参数和植被指数之间的直线持续性关系提出了CI 和NCI指数。根据表2，这两个指数的精确度最低。在他们的方程式中，近红外和绿色波段分别被短波红外线和红色波段所代替。因此，通过使用绿色波段这个情确度降低。(Hardisky et al.,1983)提出了NDII指数用来估算植被含水量。这个指数是基于NDVI修正以及短波红外代替红色波段的。然而，由于研究区的植被含水量低，从这个指数获得的精度是不高的。SLAVI指数被提出来估算比表面积(Lymburner et al., 2000)。这个指标是基于短波红外波段，且在这类指标中，它是唯一的指标，它的相关系数跟通过NDVI所获得的相关系数相似，一般认为，运用短波红外波段，植被覆盖度的决定精度降低。为了提高几何校正的置信度，通过使用中央像素的相邻像素，精度评估被重复，这些像素的RDVI 和DVI指数之间的相关系数和植被覆盖度显示在表4和表5中，结果表明，对于这两个指标，中央像素的相关性系数大于相邻像素的相关性系数。这表明，图像的几何校正是准确的。 7.讨论在本次研究中，对20个植被指数和植被覆盖度之间的相关性进行了评估。DVI 和 RDVI对植被覆盖度变化最敏感。虽然，根据一些研究结果(Carlson和 Riziley, 1997)，NDVI对于评估植被覆盖度是适当的指标，但是这个指标与植被覆盖度之间是非线性的(Haboudane et al., 2004)并且这个指标在灌木林地和草地上也是不准确的(Montandon