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] 肖林 车涛 戴礼云. 多源雪深数据在中国的空间特征评估[J]. 遥感技术与应用, 0, (): 0-0.
[2] 郭健, 刘良云, 刘新杰, 胡姣婵, 竞霞. 基于查找表的塔基平台O2-A波段大气校正方法研究[J]. 遥感技术与应用, 2019, 34(3): 467-475.
[3] 刘鸥阳, 刘良云, 胡姣婵, 刘新杰, 蒋金豹. 基于719 nm水汽吸收波段的日光诱导叶绿素荧光反演研究[J]. 遥感技术与应用, 2019, 34(3): 500-510.
[4] 陈思媛, 竞霞, 董莹莹, 刘良云. 基于日光诱导叶绿素荧光与反射率光谱的小麦条锈病探测研究[J]. 遥感技术与应用, 2019, 34(3): 511-520.
[5] 林中立, 徐涵秋. 近20年来新旧“火炉城市”热岛状况对比研究[J]. 遥感技术与应用, 2019, 34(3): 521-530.
[6] 程志峰, 何祺胜. 基于RSEI的苏锡常城市群生态环境遥感评价[J]. 遥感技术与应用, 2019, 34(3): 531-539.
[7] 李琼琼, 柳云龙. 城市居民区土壤重金属含量高光谱反演研究[J]. 遥感技术与应用, 2019, 34(3): 540-546.
[8] 宋明辉. 基于高分二号数据的面向对象城市土地利用分类研究[J]. 遥感技术与应用, 2019, 34(3): 547-552.
[9] 田慧慧, 冯 莉, 赵璊璊, 郭 松, 董继伟. 无人机热红外城市地表温度精细特征研究 [J]. 遥感技术与应用, 2019, 34(3): 553-563.
[10] 梁丽娟, 黄万里张容焱, 林广发, 彭俊超, 梁春阳. Sentinel-2卫星影像融合方法与质量评价分析[J]. 遥感技术与应用, 2019, 34(3): 612-621.
[11] 张海涛, 金燕, 刘万军. 基于Marr小波改进的SIFT算法的遥感影像配准[J]. 遥感技术与应用, 2019, 34(3): 622-629.
[12] 卢静, 贾立, 郑超磊, 胡光成. 遥感水分收支对区域水资源估算潜能[J]. 遥感技术与应用, 2019, 34(3): 630-638.
[13] 李靖, 李浩, 王树东, 杨莹莹, 吴太夏. 中亚五国主要湖泊水面变化特征及关键影响因素分析[J]. 遥感技术与应用, 2019, 34(3): 639-646.
[14] 徐梦竹, 徐佳, 邓鸿儒, 袁春琦. 基于全极化SAR影像的海岛地物分类[J]. 遥感技术与应用, 2019, 34(3): 647-654.
[15] 许文鑫, 周玉科, 梁娟珠. 基于变化点的青藏高原植被时空动态变化研究 [J]. 遥感技术与应用, 2019, 34(3): 667-676.