基于CASI数据的黑河绿洲区叶面积指数反演

发布时间：2018-07-31 13:30

【摘要】：叶面积指数(leaf area index,LAI)作为植被冠层的重要参数,对作物长势监测及产量估算具有重要意义。本研究以黑河流域张掖绿洲试验区为例,基于机载航空高光谱遥感影像(compact airborne spectrographic imager,CASI)数据,利用物理模型与统计模型对研究区的LAI进行估测反演。首先,利用归一化植被指数(normalized difference vegetation index,NDVI)与相应实测LAI数据建立最佳线性回归模型;然后,基于混合像元分解模型和多次散射植被冠层模型构建物理模型;最后,以线性回归模型为参比修正多次散射植被冠层模型,构建半经验LAI反演模型,并比较上述模型拟合效果。研究结果表明,半经验模型为绿洲区LAI反演最优模型,模型估算精度R2达到0.89,精度提高较显著。研究对提升作物LAI的估算精度有一定意义,并将进一步推动精细农业定量遥感理论的研究与应用。
[Abstract]:As an important parameter of vegetation canopy, leaf area index (leaf area) is important for crop growth monitoring and yield estimation. Taking Zhangye Oasis Experimental area of Heihe River Basin as an example, based on airborne aerial hyperspectral remote sensing image (compact airborne spectrographic imager CASI data, the physical model and statistical model are used to estimate and inverse the LAI in the study area. Firstly, the best linear regression model is established by using normalized vegetation index (normalized difference vegetation) and corresponding measured LAI data. Then, the physical model is constructed based on mixed pixel decomposition model and multiple scattering vegetation canopy model. The semi-empirical LAI inversion model was constructed by using the linear regression model as reference to modify the multi-scattering vegetation canopy model and the fitting results of the above models were compared. The results show that the semi-empirical model is the best model for LAI inversion in oasis area. The precision of the model is up to 0.89, and the precision is improved significantly. The research is significant for improving the precision of crop LAI estimation, and will further promote the research and application of quantitative remote sensing theory of fine agriculture.
【作者单位】：成都理工大学地球科学学院;国土资源部地学空间信息技术重点实验室;
【基金】：国家自然科学基金项目“汶川强震区潜在泥石流危险性判识及其差异性分析”(编号:41102225);国家自然科学基金项目“任务感知的遥感信息服务动态组合方法”(编号:41201440) 高等学校博士学科点专项科研基金项目“岷江上游高原林区不同植被类型的土壤持水特征研究”(编号:201351221200092013) 四川省教育厅科研项目“基于光谱相似度的森林树种识别方法研究——以青城山地区为例”(编号:15ZB0066);四川省教育厅理科重点项目“基于用户兴趣特征的遥感信息智能服务方法”(编号:15ZA0078) 国土资源部地学空间信息技术重点实验室课题项目“非线性混合光谱模型在生态水遥感估算中的应用研究”(编号:KLGSIT2013-02) 成都理工大学研究基金项目“基于混合像元分解的岷江上游植被覆盖度定量估算研究”(编号:2012YG02);成都理工大学骨干教师培养计划(编号:DG0002) 四川省应急测绘与防灾减灾工程技术研究中心开放基金项目“天地图与小区域地理信息整合移动服务系统构建与实现”(编号:K2015B003)共同资助
【分类号】：S127

【相似文献】