冬小麦叶面积指数高光谱遥感反演方法研究

发布时间：2020-11-22 09:19

　　 叶面积指数(LAI)反映了植被的多种生态功能,是一些陆表过程模型的重要输入参数。近年来,高光谱遥感数据日益广泛应用于LAI反演。然而,目前基于冠层反射率模型的LAI高光谱反演还存在以下问题。第一,和多光谱数据相比,高光谱是否能够提高LAI反演的精度与稳定性尚存在争议。基于查找表的LAI高光谱常规反演方法的最优反演波段选择与模型参数化原则仍不明确。第二,LAI高光谱常规反演方法难以有效约束维数灾难、病态反演问题。最后,现有面向像元的LAI反演方法未能充分利用农田生态系统的空间特征,且对不同田块应用同一套参数化方案,造成了一定误差。本博士论文围绕如何充分利用高光谱数据提高LAI反演精度的科学问题,通过改进LAI高光谱反演方法,充分发挥高光谱数据的潜力,约束病态反演问题,改进物理模型参数优化。具体研究内容如下。(1)对相关研究进行了全面、深入的整理和分析,通过文献综述提炼出当前LAI高光谱反演研究的不足与可能的解决途径。(2)实地测量了冬小麦冠层反射光谱和对应的作物参数,开展了LAI最优反演波段和参数化方案研究,发现当高光谱波段选择适当、CR模型输入参数不确定性较小时,高光谱数据在LAI反演方面表现较好,优于多光谱数据。(3)为发掘高光谱数据所展现的光谱细节,约束LAI反演中的病态问题,提出了LAI多阶段反演方法,将对各波段上模拟—观测光谱拟合程度的考察分离开来,逐步约束各参数取值的不确定性,优化模型参数。实验表明,该方法有效限制了LAI病态反演问题,减少了LAI高光谱反演对先验知识的依赖。(4)基于农田生态系统中作物参数空间分布规律,开展了面向对象的参数优化和LAI高光谱反演方法研究。利用常规方法预反演结果为各个田块制定独立的模型参数化方案,显著缩小了自由变量的参数取值范围。以此提高各田块参数化精度,约束了反演结果中的极端异常值,限制了LAI高病态反演问题。(5)个别田块参数N取值不同于大多数田块,致其LAI反演失败。本研究将LAI多阶段反演思路用于N的反演,继而将N的反演结果代入面向对象的LAI反演。通过多阶段反演与面向对象反演的有机结合准确反演了以往方法难以处理的田块,提高了LAI高光谱反演的稳定性。综上所述,本研究致力于挖掘并有效利用高光谱数据中光谱、空间两方面的有效信息,从改进反演方法入手,限制了病态反演问题,改善了LAI反演精度和稳定性。为将来植被参数高光谱反演研究提供可借鉴的思路和方法。
【学位单位】：中国农业科学院
【学位级别】：博士
【学位年份】：2015
【中图分类】：S512.11;S127
【部分图文】：

本研究中，为搜集基于物理模型反演１＾１的相关研究、开展元数据分析，＾ｉＪ？关键词＂ｌｅａｆａｒｅａ??ｉｎｄｅｘ＂加相关模型的英文名称搜索谷歌学术？，所得结果按相关性排序，再加工筛选。将??前１０页相关研究加Ｗ归类整理，并绘制为图１。??＂激?Ｉ??１?４?ｓｃａｌｅ，?ｂ?Ｉ??ｓｃａｌｅ?Ｉ．?．?．?．＇?ｉ?Ｏｔｈｏｆｓ??严＇画?＊＊＾＾＊＾＊＊＇＾＊＂?＾?；柳柳—??ＡＣ．ＲＭ，??Ｍｆｆ？Ｍ?????—??Ｗ【?；；??０?ｉｆｌ?２０?如邮新?獻；；ｗ??■?Ｃｒｏｐ?．?．??????ｉＢＧｕｓ、ｓｈｒｕｂ?ａｎｄ?ｕｎｄｅｒｓｔ…ｙ?Ｖ巧ｅｈｌｉｏｎ?，?＇：?ｉｎｉｉｉ?■?ｉｉｕｉｉｉＰ■?ｉｉｉｉ??没?Ｉ?ｏｒｅｓｔ?ａｎＣ?ｐｔｅｎｔａｔ；ｏｎ??Ｉ?Ｏｌｈｗ：ｓｖｍｔ，ｅ化加細ｇｅ邮加ｉ＂趴圆Ｉ?０?５?１０?巧?Ｗ?巧?如巧脱??（ａ）根踞所用的物理模型及植被类型归类?化）根据所用的反演策略归类??反演方法：ＮＮ：人」神经网络：ＬＵＴ：奄找隶；ＯＰＴ；迭代化化??图１．１基于物理模型的１Ａ【反演硏究数量统计??Ｆ＂ｉｇ?１．１?Ｎｕｍｂｅｒ?ｏｆ?ｐｕｂｌｉｃａｔｉｏｎｓ?ｄｅｓｃｄｂｉｎｇ?ＬＡＩ?ｅｓｔｉｍａｔｉｏｎ?ｂｙ?ｉｎｖｅｒｔｉ?打?ｇ?ｐｈｙｓｉｃａｌ?ｍｏｄｅｌｓ??１．３．?１主要冠层反射率模型??冠层反射率模型一般分为四类：福射传输（ＲＴ）模型，几何光学（ＧＯ）模型，福肘传输一??几何光学混合模型、计算机模拟模型。??ＲＴ模型假设福射在均匀介质中传播

１０月上旬?１０月Ｔ旬?１２月上旬?３月上旬?４月上旬?４月＇Ｋ旬?５月中旬?６月中旬??２．３田间测量方案??选择５块冬小麦大田开展田间试验，见图２．２、。各田块内部均一，田块之间作物品种、管理??水平不同，致其主要作物参数也存在明显差别（见国２．３、表２．５）。Ｗ此，确保了所选样方的代??表性，也为开展ＬＡＩ反演试验提供了便利。考虑本研究结束后，后续研究可能需要利用高光谱玉??星遥感数据开展，本研究所选田块近似矩形且面积较大，边长均大于９０?ｍ，即田块至少大于９??个Ｈｙｐｅｒｉｏｎ像元。每块大田上，沿对角线上均匀布设５—６个样本点。测量每个样本点处的冬??小麦冠层反射率与冠层／叶片参数（表２．６），光谱测量和部分主要参数的测量过程在２．３．１节——??１９??

分别对应于冬小麦抽穗、乱熟２个生长期。??Ｓｉｍ??图２．２研究区７Ｋ意图??Ｆｉｇ?２．?Ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??表２．５试验样地???Ｔａｂｌｅ?２．５?Ｓｐｅｃｉｆｉｃａｔｉｏｎｓ?ｏｆ?ｔｈｅ?ｓａｍｐｌｅ?ｐｌｏｔｓ??田块?行政区属?中屯、点地理坐标?长Ｘ宽（ｍ）?小麦品种?熟型?管理水平??１?护驾迟镇前营村?３７°Ｗ＇０２＂Ｎ，１１５。４０＇１４化?４０５ｘ４８７?衡观３５新系?早熟?高产乐范田??２?护驾迟镇前营村?３７°５３＇０２吓Ｊ，１１５°４０＇２５＂Ｅ?３３１。９４?衡观３５老系?早熟?高产示范田??３?护驾迟敏?３７°５３＇０６＂Ｎ，?Ｉ１５°４１＇５３＂Ｅ?１４０ｘ１９０?衡?４４４４?中熟?多杂草??４?护驾迟镇?３７°Ｗ＇〇ｒ’Ｎ，１１５°４２＇０８＂Ｅ?３３４ｘ１９３?石至１５?中熟?有杂草??５?乔屯乡巧屯村?３７。４９＇巧＂Ｎ，１１５。４４＇１７＂￡?１４８ｘ１２４?济麦２２?中晚熟?普通??２０??
【共引文献】

相关期刊论文 前1条

1 姜琳琳;于丰华;岳仕达;路同祝;朱凤武;;彩色图像分割改进方法的研究现状及分析[J];当代生态农业;2013年Z2期

本文编号：2894474