基于PROBA_CHRIS遥感数据和PROSAIL模型的春小麦LAI反演

《基于PROBA_CHRIS遥感数据和PROSAIL模型的春小麦LAI反演》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第10期农业工程学报Vol.27No.10882011年10月TransactionsoftheCSAEOct.2011·农业信息与电气技术·基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演杨贵军，赵春江，邢著荣，黄文江，王纪华（北京农业信息技术研究中心，北京100097）摘要：大面积区域作物叶面积指数（LAI）遥感反演，对指导作物管理具有重要的意义。该文基于2008年5－7月在黑河流域开展的大型星－机－地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据，利用PROSAIL辐射传输模型和神经元网络方法

2、反演春小麦LAI，并利用地面实测LAI进行验证和分析，结果表明：PROBA/CHRIS数据的最佳组合波段为band4（555.1nm）、band9（696.9nm）和band15（871.5nm），利用PROBA/CHRIS数据反演LAI2时，3角度组合（0°、36°、55°）反演LAI精度最高（R=0.854，RMSE=0.344；MAE=0.213）。随着观测角度增加LAI反演精度相应提高，但超过3个角度后，多观测角度数据会带来较大不确定性，影响神经元网络建模，导致LAI反演精度下降。关键词：遥感，神经元网络，反演，春小麦，LAI，PROBA/CHRIS

3、，PROSAILdoi：10.3969/j.issn.1002-6819.2011.10.016中图分类号：S127文献标志码：A文章编号：1002-6819(2011)-10-0088-07杨贵军，赵春江，邢著荣，等.基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演方法[J].农业工程学报，2011，27(10)：88－94.YangGuijun,ZhaoChunjiang,XingZhurong,etal.LAIinversionofspringwheatbasedonPROBA/CHRIShyperspectralmulti-a

4、ngulardataandPROSAILmodel[J].TransactionsoftheCSAE,2011,27(10):88－94.(inChinesewithEnglishabstract)模型方法，是指利用以物理方法为基础的植被冠层反射0引言[10-11]率模型进行LAI反演，其中基于几何光学模型和辐植被在全球气候和地球化学循环研究中具有非常重[6]射传输模型的混合模型最具代表性。几何光学模型是基要的地位，其通过与光辐射相互作用影响了碳、气和水于“景合成”的一种模型,即在观测视场内，一部分是太循环，对生态、全球变化等具有重大影响。其中叶面积阳光承照

5、面，一部分是阴影,而观测结果是两者量度的面指数（leafareaindex，LAI）作为表征植被生长和发育状积加权和；辐射传输理论主要适用于水平均匀植被或浑态的重要因子之一，成为许多气候、生态、循环模型中浊介质，其中基于平行平面假设建立的辐射传输数值模重要的输入参数，被广泛用于全球碳循环和气候变化分型由于同时具有描述真实世界的准确性与计算的简便性[1-5]析。此外，LAI可以辅助进行作物长势决策，实现农优势，迅速应用于植被遥感中。田变量肥、水管理，对提高肥水利用效率，降低农田环LAI一直是遥感反演领域的热点和难点，国内外研究学境污染，对发展可持续现代农业具有

6、重要意义。[12-15]者已利用多光谱与高光谱遥感数据开展了大量研究。随目前，LAI反演方法主要有经验模型法和物理模型着高光谱传感器的研制，由于其具有光谱分辨率高、波[6-7]法。经验模型法，即回归分析方法，通常是在SVI段多、数据量大、信息量丰富、谱像合一等优点，因而（spectralvegetationindex）与LAI之间，建立线性或者指对地物的识别能力更强，因此应用该数据反演LAI的研数型回归经验模型，是目前发展较成熟、使用最广泛的[17-18]究也越来越多。此外，多角度遥感能够提供植被辐[8]LAI反演方法。但该模型受限于饱和效应，且获取的经射方

7、向性信息，隐含了植被立体结构特征，因而可有效验关系依赖于场景和传感器，使其通用性被限制[9]。物理[12]提高森林LAI反演精度。随着以多角度成像光谱辐射计MISR（multi-angleimagingspectrumradiometer）和CHRIS（compacthighresolutionimagingspectrometer）紧收稿日期：2010-10-29修订日期：2011-02-28凑型高分辨率成像光谱仪发展，可以同时利用光谱维信基金项目：国家重点基础研究发展计划（“973”计划）项目（2011CB311806，2007CB714401），北京市

8、自然科学基金（4102021），国家自然科学基金息和