摘要：植被叶面积指数（LAI）是生态系统碳循环、能量交换、水文和气候等模型中重要的输入因子，因而对叶面积指数提取方法的研究具有重要意义。本文选取江西省余干县2008年的一景多角度高光谱CHRIS/PROBA 影像5个观测角度（±55°、0°和±36°）的反射率数据，分别利用波段均值法、主成份法对影像的反射率数据进行波段处理，每种方法均得到蓝、绿、红、近红外4个波段。每个波段采用3种窗口（3*3,5*5,7*7）分别提取了5种纹理(TEX)，即基于概率统计的数据范围、均值、方差和基于二阶概率统计的均值 、方差。经过模型的优选，每个纹理与野外实测的草本、灌木、阔叶林、针阔叶混交林和针叶林的LAI分别建立8个单变量模型和1个多变量模型。比较不同模型的决定系数R2值,分析植被类型、波段处理方法、观测天顶角、窗口、波段选择对模型拟合度的影响。结果表明，LAI-TEX关系模型的决定系数R2因植被类型、波段处理方法、观测天顶角等的组合而有差异。阔叶林、针阔混交林建立的模型整体较优（R2均值0.8以上），灌木植被次之(R2均值0.637)，而针叶林和草本建模较差（R2均值为0.4以下）。在不同植被类型的优选模型中，除阔叶林之外，其它植被类型均采用3*3窗口和Mean纹理波段；采用一阶纹理得到的关系模型决定系数较高；波段处理方法、观测角度、波段选择对不同植被类型的优选模型影响不大。所以，综合考虑各因素对模型的影响对改进纹理提取LAI方法具有重要意义。

关键词：LAI；CHRIS数据；纹理；变量模型；植被类型

目录

摘要

Abstract

1 引言-1

2 材料与方法-3

2.1 研究区概况和数据来源-3

2.2 LAI野外测量-6

2.3 遥感影像预处理和波段处理-7

2.4 纹理构建和纹理信息提取-8

2.5 LAI-TEX模型的建立-9

3 结果与讨论-10

3.1 LAI-TEX的相关性-10

3.2 LAI- TEX 关系模型-12

3.3模型综合分析-15

4 结论-18

致谢-19

参考文献：-20