冠层和叶片尺度植被参数的高光谱遥感反演研究

发布时间：2018-06-17 20:16

  本文选题：冠层尺度 + 叶片尺度　； 参考：《中国科学院大学(中国科学院遥感与数字地球研究所)》2017年博士论文

【摘要】：植被是生态系统最重要的组成成分之一,植被的生长覆盖情况以及动态变化能够反映生态系统的稳定性与脆弱性,而且植被的各种生理生化参数与植被的物质能量交换过程都密切相关。植被参数的高精度遥感定量反演研究具有重要的科学意义和应用价值,长期以来一直受到科学家的关注,并得到了良好的发展,但是,目前的植被参数定量遥感反演研究依然存在诸多问题与不确定性。本文针对植被光谱BRDF(bi-directional reflectance distribution function)特征对植被参数反演的影响、叶片尺度植被参数反演困难、不同植被组分对反射率光谱贡献难以分离等三个植被参数定量遥感反演研究中存在的典型问题,开展了角度鲁棒性植被指数设计与LAI(Leaf Area Index)反演、冠层与叶片尺度叶绿素密度遥感反演算法、基于主成分分析的植被参数反演方法探索等三个方面的研究工作,主要得出以下结论:(1)植被指数在LAI反演得到了广泛应用,但植被指数与反射率一样也存在BRDF效应,给传统基于植被指数的LAI反演带来误差。植被冠层在红光波段与蓝光波段的反射率BRDF曲线形状相似,近红外波段与绿光波段相似。通过上述四个波段的组合,可以构建一种新的角度效应鲁棒性植被指数(BRVI),BRVI对BRDF效应不敏感,同时对LAI敏感。模拟与实测实验表明,在太阳主平面内,传统比值植被指数(SR)最大值与最小值之比(DR)最高可达3.2,而BRVI的DR值仅为1.01 1.05,可以有效降低冠层BRDF效应所带来的同物异谱现象;同时,BRVI与LAI具有良好的相关关系,决定系数R2可达0.84,验证结果均方根误差RMSE为0.83。因此,本文提出的BRVI植被指数可以有效消除角度效应影响,从而提高针对不同成像几何条件数据的LAI反演精度。(2)植被光谱指数与冠层尺度的叶绿素密度具有良好的相关性,但不同植被指数在叶绿素含量遥感反演中的应用效果存在较大差异。通过比较27种植被光谱指数并综合考虑其与叶绿素密度的相关性、模型决定系数、反演误差等因素,发现,包含红边信息的MTCI指数是反演冠层叶绿素密度的最优植被指数,并建立了基于MTCI的叶绿素密度遥感反演模型。该模型对不同生育期、不同作物种类的叶绿素密度反演普适性良好。(3)冠层叶绿素含量的光谱探测精度相对较好,但由于LAI的强烈干扰,叶片尺度叶绿素含量遥感依然存在较大困难。根据冬小麦冠层叶绿素含量的垂直衰减规律先验知识,设计了由冠层光谱反演顶层叶片叶绿素密度的算法。实测数据验证结果表明,顶层叶片叶绿素密度模拟值与实测值散点分布在1:1线附近,RMSE为0.014 mg/cm2。上述结果表明,在已知冠层叶绿素含量垂直分布规律的条件下,可以建立冠层叶绿素密度与顶层叶片叶绿素密度的尺度转换模型,据此,即可由冠层光谱反演顶层叶片叶绿素密度。(4)利用两个或多个波段组合的植被指数方法在植被参数反演方面得到了广泛应用,但所用的光谱信息有限。探索了基于主成分分析原理的植被参数反演新方法。利用模型模拟的训练样本提取反射率光谱的主成分,再利用前几个主成分重构测量的反射率光谱,分析发现,主成分可以分离出各植被组分的光谱贡献,重构光谱时某一主成分的权重系数与特定植被参数之间存在良好的相关性,据此可以建立植被参数的遥感反演模型,该方法对叶绿素含量、叶片等效水厚度的反演精度优于传统植被指数模型。此外,利用植被参数的敏感光谱范围进行分段主成分分析,反演精度优于利用全波段光谱进行主成分分析,其中,400-800nm光谱范围对叶片叶绿素密度反演效果最优;400-800nm光谱范围对叶绿素浓度敏感主成分系数与900-2500nm光谱范围对比叶重和GWC敏感主成分系数进行组合可以消除比叶重和GWC对叶绿素浓度反演的影响,该方法对叶片叶绿素浓度反演效果最优;900-2500nm光谱范围对叶片等效水厚度反演效果最优;900-2500nm光谱范围第二、第四主成分系数组合对叶片GWC反演效果最优;而无论全波段还是分波段主成分分析法建立的比叶重反演模型精度略低。论文的主要创新型贡献包括:(1)基于红波段与蓝波段、近红外波段与绿波段BRDF形状相似性,提出了一种新的角度鲁棒性植被指数BRVI,同时保持对LAI的敏感性,可以有效降低冠层BRDF效应对LAI遥感反演的影响。(2)利用叶绿素含量在冠层内部的垂直分布规律先验知识,推导了冠层叶绿素密度与顶层叶片个体叶绿素密度之间的尺度转换模型,提出了基于冠层叶绿素密度垂直分布规律先验知识来反演顶层叶片叶绿素密度的新方法。(3)提出了一种基于主成分分析的植被参数反演新方法。基于叶片反射率光谱的相似性开展样本维的PCA变换与分析,发现少数几个重要主成分就可以实现叶片反射率光谱的高精度模拟,且利用主成分权重系数建立了叶片参数的反演模型,传统植被指数方法和物理模型反演相比,精度更高、鲁棒性更强。
[Abstract]:妞嶈��鏄�鐢熸�佺郴缁熸渶閲嶈�佺殑缁勬垚鎴愬垎涔嬩福�

本文编号：2032314