摘要：生物量（BIO）是研究生物生产力、碳循环、全球变化的基础，因而对生物量遥感测量中的敏感因子研究具有重要的理论和实践意义。本文选取福建省长汀县2011年的SPOT5 影像提取了6种植被指数，即归一化植被指数 (NDVI)、差值植被指数（DVI）、增强型植被指数（EVI）、宽范围动态植被指数（WDRVI）、修正的土壤调节植被指数（MSAVI）、土壤调节植被指数（SAVI）与单比植被指数（SR）的乘积，即SAVI*SR，并用“留一法”(Leave One Out)与不同坡向的4种生物量，阴坡类生物量（W1）、半阴坡类生物量(W2)、半阳坡类生物量(W3)、阳坡类生物量(W4)建立二次多项式回归模型，进而计算模型的导数与模型相对误差的比值作为植被指数对不同BIO的敏感度。结果表明，BIO-VI关系模型的决定系数R2因植被类型和植被指数的组合而有差异。从生物量类型来看，阴坡和半阴坡类生物量建立的模型整体上较优，R2均值都达到了0.4以上，阳坡类生物量建立的模型次之，R2均值为0.397，而半阳坡类生物量建立的模型较差，R2均值为0.322。从植被指数来看，MSAVI、EVI、WDRVI和NDVI估测生物量建立的模型要优于其他植被指数。从敏感度角度来分析，基于MSAVI建立的模型对生物量类型的选取敏感度较高，且敏感度均值都在0.1以上。阴坡生物量建立的模型对植被指数的选取较为敏感（敏感度均值为0.124），阳坡生物量反之（敏感度均值为0.0818）。所以说，在生物量遥感估算中，不同的植被指数在不同的生物量类型下具有不同的应用潜力，因此在BIO-VI的关系建模中应综合考虑生物量类型、植被指数的选取因素的影响。即对不同坡向的生物量提取多个植被指数，并建立多种模型，采用这种方法建立的模型有利于提高生物量监测研究的精度。

关键词：生物量 ；SPOT5；植被指数；回归模型；模型敏感度

目录

摘要

Abstract

1 引言-1

2 材料与方法-3

2.1 研究区概况-3

2.2 BIO野外测量-5

2.3 遥感影像预处理-6

2.4 植被指数提取-6

2.5 BIO-VI模型的建立-7

2.6 遥感估算的敏感因子分析-7

3 结果与讨论-7

3.1 BIO-VI的相关性-7

3.2 BIO-VI关系模型-9

3.3优选模型-10

3.4模型的影响因素分析-11

3.4.1植被指数-12

3.4.2生物量类型-13

3.4.3综合分析与模型优化-13

4结论-14

致谢-14

参考文献-15