發(fā)布時間：2020-11-22 09:19

　　 葉面積指數(LAI)反映了植被的多種生態(tài)功能,是一些陸表過程模型的重要輸入參數。近年來,高光譜遙感數據日益廣泛應用于LAI反演。然而,目前基于冠層反射率模型的LAI高光譜反演還存在以下問題。第一,和多光譜數據相比,高光譜是否能夠提高LAI反演的精度與穩(wěn)定性尚存在爭議�；�于查找表的LAI高光譜常規(guī)反演方法的最優(yōu)反演波段選擇與模型參數化原則仍不明確。第二,LAI高光譜常規(guī)反演方法難以有效約束維數災難、病態(tài)反演問題。最后,現有面向像元的LAI反演方法未能充分利用農田生態(tài)系統(tǒng)的空間特征,且對不同田塊應用同一套參數化方案,造成了一定誤差。本博士論文圍繞如何充分利用高光譜數據提高LAI反演精度的科學問題,通過改進LAI高光譜反演方法,充分發(fā)揮高光譜數據的潛力,約束病態(tài)反演問題,改進物理模型參數優(yōu)化。具體研究內容如下。(1)對相關研究進行了全面、深入的整理和分析,通過文獻綜述提煉出當前LAI高光譜反演研究的不足與可能的解決途徑。(2)實地測量了冬小麥冠層反射光譜和對應的作物參數,開展了LAI最優(yōu)反演波段和參數化方案研究,發(fā)現當高光譜波段選擇適當、CR模型輸入參數不確定性較小時,高光譜數據在LAI反演方面表現較好,優(yōu)于多光譜數據。(3)為發(fā)掘高光譜數據所展現的光譜細節(jié),約束LAI反演中的病態(tài)問題,提出了LAI多階段反演方法,將對各波段上模擬—觀測光譜擬合程度的考察分離開來,逐步約束各參數取值的不確定性,優(yōu)化模型參數。實驗表明,該方法有效限制了LAI病態(tài)反演問題,減少了LAI高光譜反演對先驗知識的依賴。(4)基于農田生態(tài)系統(tǒng)中作物參數空間分布規(guī)律,開展了面向對象的參數優(yōu)化和LAI高光譜反演方法研究。利用常規(guī)方法預反演結果為各個田塊制定獨立的模型參數化方案,顯著縮小了自由變量的參數取值范圍。以此提高各田塊參數化精度,約束了反演結果中的極端異常值,限制了LAI高病態(tài)反演問題。(5)個別田塊參數N取值不同于大多數田塊,致其LAI反演失敗。本研究將LAI多階段反演思路用于N的反演,繼而將N的反演結果代入面向對象的LAI反演。通過多階段反演與面向對象反演的有機結合準確反演了以往方法難以處理的田塊,提高了LAI高光譜反演的穩(wěn)定性。綜上所述,本研究致力于挖掘并有效利用高光譜數據中光譜、空間兩方面的有效信息,從改進反演方法入手,限制了病態(tài)反演問題,改善了LAI反演精度和穩(wěn)定性。為將來植被參數高光譜反演研究提供可借鑒的思路和方法。
【學位單位】：中國農業(yè)科學院
【學位級別】：博士
【學位年份】：2015
【中圖分類】：S512.11;S127
【部分圖文】：

本研究中，為搜集基于物理模型反演１＾１的相關研究、開展元數據分析，＾ｉＪ？關鍵詞＂ｌｅａｆａｒｅａ??ｉｎｄｅｘ＂加相關模型的英文名稱搜索谷歌學術？，所得結果按相關性排序，再加工篩選。將??前１０頁相關研究加Ｗ歸類整理，并繪制為圖１。??＂激?Ｉ??１?４?ｓｃａｌｅ，?ｂ?Ｉ??ｓｃａｌｅ?Ｉ．?．?．?．＇?ｉ?Ｏｔｈｏｆｓ??嚴＇畫?＊＊＾＾＊＾＊＊＇＾＊＂?＾?；柳柳—??ＡＣ．ＲＭ，??Ｍｆｆ？Ｍ?????—??Ｗ【?；；??０?ｉｆｌ?２０?如郵新?獻；；ｗ??■?Ｃｒｏｐ?．?．??????ｉＢＧｕｓ、ｓｈｒｕｂ?ａｎｄ?ｕｎｄｅｒｓｔ…ｙ?Ｖ巧ｅｈｌｉｏｎ?，?＇：?ｉｎｉｉｉ?■?ｉｉｕｉｉｉＰ■?ｉｉｉｉ??沒?Ｉ?ｏｒｅｓｔ?ａｎＣ?ｐｔｅｎｔａｔ；ｏｎ??Ｉ?Ｏｌｈｗ：ｓｖｍｔ，ｅ化加細ｇｅ郵加ｉ＂趴圓Ｉ?０?５?１０?巧?Ｗ?巧?如巧脫??（ａ）根踞所用的物理模型及植被類型歸類?化）根據所用的反演策略歸類??反演方法：ＮＮ：人」神經網絡：ＬＵＴ：奄找隸；ＯＰＴ；迭代化化??圖１．１基于物理模型的１Ａ【反演硏究數量統(tǒng)計??Ｆ＂ｉｇ?１．１?Ｎｕｍｂｅｒ?ｏｆ?ｐｕｂｌｉｃａｔｉｏｎｓ?ｄｅｓｃｄｂｉｎｇ?ＬＡＩ?ｅｓｔｉｍａｔｉｏｎ?ｂｙ?ｉｎｖｅｒｔｉ?打?ｇ?ｐｈｙｓｉｃａｌ?ｍｏｄｅｌｓ??１．３．?１主要冠層反射率模型??冠層反射率模型一般分為四類：福射傳輸（ＲＴ）模型，幾何光學（ＧＯ）模型，福肘傳輸一??幾何光學混合模型、計算機模擬模型。??ＲＴ模型假設福射在均勻介質中傳播

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田間測量方案??選擇５塊冬小麥大田開展田間試驗，見圖２．２、。各田塊內部均一，田塊之間作物品種、管理??水平不同，致其主要作物參數也存在明顯差別（見國２．３、表２．５）。Ｗ此，確保了所選樣方的代??表性，也為開展ＬＡＩ反演試驗提供了便利�？紤]本研究結束后，后續(xù)研究可能需要利用高光譜玉??星遙感數據開展，本研究所選田塊近似矩形且面積較大，邊長均大于９０?ｍ，即田塊至少大于９??個Ｈｙｐｅｒｉｏｎ像元。每塊大田上，沿對角線上均勻布設５—６個樣本點。測量每個樣本點處的冬??小麥冠層反射率與冠層／葉片參數（表２．６），光譜測量和部分主要參數的測量過程在２．３．１節(jié)——??１９??

分別對應于冬小麥抽穗、亂熟２個生長期。??Ｓｉｍ??圖２．２研究區(qū)７Ｋ意圖??Ｆｉｇ?２．?Ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??表２．５試驗樣地???Ｔａｂｌｅ?２．５?Ｓｐｅｃｉｆｉｃａｔｉｏｎｓ?ｏｆ?ｔｈｅ?ｓａｍｐｌｅ?ｐｌｏｔｓ??田塊?行政區(qū)屬?中屯、點地理坐標?長Ｘ寬（ｍ）?小麥品種?熟型?管理水平??１?護駕遲鎮(zhèn)前營村?３７°Ｗ＇０２＂Ｎ，１１５。４０＇１４化?４０５ｘ４８７?衡觀３５新系?早熟?高產樂范田??２?護駕遲鎮(zhèn)前營村?３７°５３＇０２嚇Ｊ，１１５°４０＇２５＂Ｅ?３３１。９４?衡觀３５老系?早熟?高產示范田??３?護駕遲敏?３７°５３＇０６＂Ｎ，?Ｉ１５°４１＇５３＂Ｅ?１４０ｘ１９０?衡?４４４４?中熟?多雜草??４?護駕遲鎮(zhèn)?３７°Ｗ＇〇ｒ’Ｎ，１１５°４２＇０８＂Ｅ?３３４ｘ１９３?石至１５?中熟?有雜草??５?喬屯鄉(xiāng)巧屯村?３７。４９＇巧＂Ｎ，１１５。４４＇１７＂￡?１４８ｘ１２４?濟麥２２?中晚熟?普通??２０??
【共引文獻】

相關期刊論文 前1條

1 姜琳琳;于豐華;岳仕達;路同祝;朱鳳武;;彩色圖像分割改進方法的研究現狀及分析[J];當代生態(tài)農業(yè);2013年Z2期

本文編號：2894474