论文部分内容阅读
归一化植被指数(NDVI)作为监测植被生物量、植被生长状态、植被覆盖程度等的关键变量,其值的测算及长期监测对农业生产、作物资源利用等具有重要意义。当前,NDVI的获取均来自于MODIS、AVHRR等遥感影像,难以消除土壤背景、大气噪声的影响,且采样间隔较长。GNSS卫星信号具有较高的时间分辨率和较好的连续性,为NDVI的获取提供了理论支持。论文采用PBO站点GPS卫星SNR数据,分析了多项式拟合阶数,分离并提取了反射信号特征振幅参数,构建了振幅参数与NDVI的线性反演模型。基于BP神经网络几乎可以拟合所有函数的能力,构建了BP神经网络辅助的NDVI反演模型,并研究比较了单频、双频模式与单颗、多颗卫星模式下反演模型特性。(1)对GPS卫星数据进行处理,确定有效卫星,并结合SNR观测数据确定多项式拟合最优阶数,分离并提取反射特征振幅参数,选择与NDVI采样同步的振幅构建线性反演模型并分析相关性。研究表明,振幅参数与NDVI存在一定的相关性,但线性相关系数较小,介于0.5191~0.7378之间。(2)根据振幅参数构建了基于BP神经网络的NDVI反演模型并予以研究分析。相关系数、均方根误差、平均相对误差等研究结果表明了基于BP神经网络的NDVI反演模型优于线性反演模型。四个站点基于BP神经网络的反演结果与NDVI实测数据的相关系数较高,介于0.9161~0.9383之间。(3)以P039站点为例,解算GPS卫星SNR数据,分别提取单频、双频与单颗、多颗卫星模式下的振幅,构建不同模式下基于BP神经网络的NDVI反演模型并研究其特性。研究证明了单频、多颗卫星模式下BP神经网络辅助的NDVI反演模型更优,相关系数为0.9161。