Please wait a minute...
img

官方微信

遥感技术与应用  2019, Vol. 34 Issue (2): 284-292    DOI: 10.11873/j.issn.1004-0323.2019.2.0284
模型与反演     
基于灰色系统理论的植被物理参数与极化分解参数的关联分析—以鄱阳湖湿地为例
李春江1,2,沈国状2,张继超1
(1.辽宁工程技术大学测绘与地理科学学院,辽宁 阜新 123000;
2.中国科学院遥感与数字地球研究所数字地球重点实验室,北京 100094)
Correlation Analysis of Vegetation Physical Parameters and Polarization Decomposition Parameters based on Grey System Theory:#br# A Case Study in Poyang Lake Wetland
Li Chunjiang1,2,Shen Guozhuang2,Zhang Jichao1
(1.School of Geomatics,LiaoNing Technology University,Fuxin 123000,China
2.Key Laboratory of Digital Earth,Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100094,China)
 全文: PDF(4000 KB)  
摘要: 结合灰色系统理论,基于3期(2013年、2015年和2016年)鄱阳湖湿地植被物理参数数据和Radarsat-2极化SAR影像数据,分别建立植被生物量、极化分解分量与鄱阳湖植被物理参数的关系模型,并分析不同植被物理参数对生物量积累的贡献和对极化分解分量的影响。结果表明:在植被生长旺盛初期阶段到旺盛稳定阶段,对植被生物量积累贡献较大的主要是植株参数和下垫面参数,对极化分解分量影响较大的主要是下垫面参数和茎秆参数,并根据各阶段较大关联度数据合理的分析和确定了野外采样参数。
关键词: 灰色关联;极化SAR;极化分解;鄱阳湖;湿地植被;物理参数生物量

    
Abstract: based on the Grey System Theory,combing the three periods(2013,2015,and 2016) of the Radarsat-2 Polarimetric SAR(PolSAR) data and the vegetation physical parameters data collected from Poyang Lake wetland,we established the relationship model for the vegetation physical parameters with vegetation biomass and the polarization decomposition components,respectively.We analyzed the contribution of different vegetation physical parameters to biomass accumulation and their influence on polarization decomposition components.The results show that from the vegetation growing faster to slower stage,the plant parameters and underlying surface parameters are the main factors that contribute to the vegetation biomass accumulation.The main effective factors for the polarization decomposition components are the land surface parameters and the stem parameters.The parameters of field sampling are analyzed and determined based on the larger correlation degree data at each stage.
Key words: Grey correlation    Polarimetric SAR    Polarization decomposition    Poyang Lake    Wetland vegetation    Physical parameters    Biomass
收稿日期: 2018-05-08 出版日期: 2019-05-10
ZTFLH:  TP79  
基金资助: 国家自然科学基金青年项目(41401483)及国家自然科学基金重大项目(41590852)共同资助。
作者简介: 李春江(1994-),男,内蒙古赤峰人,硕士研究生,主要从事微波遥感反演研究。E-mail:2215190526@qq.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

李春江, 沈国状, 张继超. 基于灰色系统理论的植被物理参数与极化分解参数的关联分析—以鄱阳湖湿地为例[J]. 遥感技术与应用, 2019, 34(2): 284-292.

Li Chunjiang, Shen Guozhuang, Zhang Jichao. Correlation Analysis of Vegetation Physical Parameters and Polarization Decomposition Parameters based on Grey System Theory:#br# A Case Study in Poyang Lake Wetland. Remote Sensing Technology and Application, 2019, 34(2): 284-292.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.2.0284        http://www.rsta.ac.cn/CN/Y2019/V34/I2/284

[1] 李晓慧, 王宏, 李晓兵, 迟登凯, 汤曾伟, 韩重远. 基于多时相Landsat 8 OLI影像的农作物遥感分类研究[J]. 遥感技术与应用, 2019, 34(2): 389-397.
[2] 李伟, 唐伶俐, 吴昊昊, 腾格尔, 周梅. 轻小型无人机载激光雷达系统研制及电力巡线应用[J]. 遥感技术与应用, 2019, 34(2): 269-274.
[3] 丁海宁. 黄土高原土壤铁元素含量遥感反演方法 [J]. 遥感技术与应用, 2019, 34(2): 275-283.
[4] 宋小霞, 王静, 储小青. 基于多普勒频移的SAR海表流场反演[J]. 遥感技术与应用, 2019, 34(2): 293-302.
[5] 张赫林, 彭代亮, 张肖, 范海生, 徐富宝, 叶回春, 王大成. 基于植被指数季节变化曲线的年总初级生产力估算[J]. 遥感技术与应用, 2019, 34(2): 303-312.
[6] 张明月, 张奇栎, 王璐, 田尉霞, 王茂芝. 东北黑土区土壤铬含量高光谱反演研究[J]. 遥感技术与应用, 2019, 34(2): 313-322.
[7] 周玉科. 基于遥感的中国东北植被物候不对称特征分析[J]. 遥感技术与应用, 2019, 34(2): 345-354.
[8] 李嘉玲, 董东林, 林刚, 汪箫悦, 王健, 吴朝阳. 基于NDVI数据的江苏省植被物候变化及其影响因子分析[J]. 遥感技术与应用, 2019, 34(2): 367-376.
[9] 罗庆洲, 朱传武, 王培法. 使用MODIS近红外图像直接计算地表水汽压的研究—以贵州省为例[J]. 遥感技术与应用, 2019, 34(2): 398-403.
[10] 王莹莹, 袁金国, 张莹, 吴朝阳. 中国温带地区植被物候期时空变化特征及对总初级生产力的影响[J]. 遥感技术与应用, 2019, 34(2): 377-388.
[11] 马鹏飞, 厉青, 陈辉, 张丽娟, 张玉环, 王桥, 周春艳, 毛慧琴, 陈翠红, 王中挺. 京津冀及周边地区大气污染防治重点关注区域遥感综合分析[J]. 遥感技术与应用, 2019, 34(2): 404-411.
[12] 王磊, 蒋宗立, 刘时银, 上官冬辉, 张勇. 中巴公路沿线冰川运动特征[J]. 遥感技术与应用, 2019, 34(2): 412-423.
[13] 殷宇威, 唐丹玲, 刘宇鹏. 南海岛礁附近悬浮泥沙时空分布的遥感研究[J]. 遥感技术与应用, 2019, 34(2): 435-444.
[14] 陈思宇, 梁天刚. 基于EVI2和多趋势分析法的高原草地植被物候动态监测研究[J]. 遥感技术与应用, 2019, 34(2): 355-366.
[15] 徐凡, 张雪红, 石玉立. 基于激光雷达和航拍影像的城市地物分类研究[J]. 遥感技术与应用, 2019, 34(2): 253-262.