1988-2013年基于BP神经网络的植被叶面积指数遥感定量反演

摘要: 叶面积指数（Leaf Area Index，LAI）高度综合了植被水平覆盖状况和垂直结构，以及枯枝落叶层厚薄和地下生物量多少，是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此，及时准确地掌握区域尺度上长时间序列的植被LAI，对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988-2013年10期遥感影像，基于反向传播（Back Propagation，BP）神经网络构建LAI反演模型，进行了长时间序列的叶面积指数反演。结合2009和2010年LAI实测值，验证与探讨了该模型的评价精度与适应性。结果表明：（1）该模型拟合度较高，2009和2010年平均相对误差、均方根误差、相关系数分别是0.2395和0.2174，0.2962和0.2581，0.7713和0.6844，各项精度评价指标均较好；（2）统计分析去除耕地后全市LAI变化，低植被覆盖（LAI<2）面积不断增加，高植被覆盖区（LAI>3）面积先减少后增加，耕地面积不断减少，符合南京市的发展变化规律；（3）主城区LAI年际变化与其他学者得到的南京市植被盖度变化趋势一致，反演结果的时序性较高。本文提出的基于反向传播神经网络模型反演长时间序列LAI是可行的，为区域尺度土壤侵蚀定量遥感监测提供新途径。