摘要：草地植被生物量是评价草地生态系统健康状况的重要指标，是草地资源的合理利用和经营管理的关键。因此，本文以江苏沿海地区为研究区，以沿海草地植被生物量为研究对象，利用Landsat 8 OLI 遥感影像数据提取NDVI、EVI植被指数，结合无人机航拍站点数据和野外实测草地样方数据，采用统计学原理，利用SPSS软件建立江苏草地植被生物量与植被指数的线性、非线性模型以及B-P神经网络模型，进行草地植被生物量反演。结果表明，NDVI、EVI与实测生物量呈明显的相关关系。而B-P神经网络模型为江苏草地生物量反演最佳模型，R2为0.857，用留一法检验得到B-P神经网络模型精度也是本文模型中最高的。研究表明：影响草地植被生物量的重要因素为EVI_max,EVI_Cmax,NDVI_Cmax,NDVI_Ceason,利用Landsat 8遥感影像数据，结合无人机航拍站点数据、实测草地植被生物量数据建立的B-P神经网络模型反演模型的残差百分比在16.79%以内，精度较高，可为江苏沿海滩涂草地植被生物量估算和草地资源的可持续管理提供科学有效的指导依据。

关键词：无人机，Landsat 8，草地植被生物量，反演

目录

摘要

ABSTRACT

1.绪论-1

1.1  研究背景及意义-1

1.2  国内外研究现状-1

1.3  研究目的、内容与技术路线-2

1.3.1  研究目的-2

1.3.2  研究内容-2

1.3.3 技术路线-3

2.研究区概况和数据处理-3

2.1研究区概况-3

2.2  数据来源-5

2.3  数据预处理-7

2.3.1  实测生物量数据-7

2.3.2  遥感数据-8

2.3.3  植被指数数据的处理-9

3.建立草地植被生物量与植被指数的模型-10

3.1 植被指数与草地生物量的相关性分析-10

3.2  异常值的分析与处理-11

3.2.1  格拉布斯准则-11

3.2.2  异常值剔除前后对比-12

3.3  建立植被指数与生物量的线性与非线性回归模型-13

3.4  建立植被指数与生物量的B-P神经网络模型-16

4.模型精度验证-16

4.1一元线性回归模型精度验证-16

4.2非线性回归模型精度验证-18

4.3 B-P神经网络模型精度验证-19

5.结论与展望-21

5.1结论-21

5.2展望与不足-21

参考文献-21

致谢-23

附录-24