基于辐射传输模型和CHRIS数据反演春小麦LAI
LAI（叶面积指数：Leaf Area Index）是地表植被生态系统中关键的结构参数之一，其变化能够体现植被生长和发育的不同状态，同时也是农作物长势监测、单产预测等的一个关键的生态参数，所以准确反演LAI具有非常重要的意义。 本文以2008年6月4日一景高光谱多角度CHRIS（紧凑式高分辨率成像分光计：Compact High Resolution Imaging Spectrometer）数据为主要数据源，以ASTER、SPOT5、BJ-1号卫星数据为辅，结合PROSAIL模型，以春小麦的LAI反演为目标，进行了系统的研究，最后结合地面测量值对反演结果进行验证。主要研究工作如下： （1）数据集的获取与处理。包括高光谱多角度CHRIS遥感数据、多光谱遥感数据的获取及预处理、地面数据（光谱、结构参数、理化参数等）等的获取与处理。 （2）结合实测值和文献取值，确定PROSAIL模型输入参数的取值范围，采用不确定性与敏感性矩阵进行敏感性分析与计算，选取了LAI、平均叶倾角（ALA）、叶绿素含量（Cab）和观测天顶角4个敏感因子；对比模拟光谱与实测光谱进行正向模型的验证。 （3）采用分段主成分分析法进行波段选择，最终选择最佳波段为第4、9和15三个波段，中心波长分别为551.1nm、696.9nm和871.5nm，实现数据降维。 （4）在模型分析和波段选择的基础上，基于PROSAIL模型，通过变换4个敏感因子，模拟大量的冠层反射率数据集，作为建模训练数据和验证数据。采用人工神经网络训练建模数据，建立单角度和多角度反演模型，结合验证数据从相关系数（R2）和均方根误差（RMSE）两方面对模型进行精度评价。结果表明，利用神经网络方法所建模型精度较高，且多角度模型较单角度反演精度高，其中两角度反演模型的相关系数较单角度平均提高10.465％，RMSE平均降低4.3%，但随着角度增加，精度提高速度减慢。 （5）高光谱多角度数据的反演与验证根据验证精度，将所建模型用于遥感数据的反演中，结合地面实测数据进行验证。验证结果表明，除五角度组合外，随角度增加，RMSE逐渐减小，相关系数大小依次为三角度组合>两角度组合>四角度组合>-36°>五角度组合>0°，多角度组合反演精度优于单角度。
春小麦;叶面积指数;长势监测;辐射传输模型;多光谱遥感数据;数据反演
山东科技大学
硕士
摄影测量与遥感
王萍
2010
中文
S127;TP751.1
73
2013-05-16（万方平台首次上网日期，不代表论文的发表时间）