无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index,LAI)的...无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index,LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。展开更多
文摘无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index,LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。
