發(fā)布時(shí)間：2020-11-22 09:19

　　 葉面積指數(shù)(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?yún)��?shù)。近年來,高光譜遙感數(shù)據(jù)日益廣泛應(yīng)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(shù)據(jù)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(zhēng)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(shù)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(shù)災(zāi)難、病態(tài)反演問題。最后,現(xiàn)有面向像元的LAI反演方法未能充分利用農(nóng)田生態(tài)系統(tǒng)的空間特征,且對(duì)不同田塊應(yīng)用同一套參數(shù)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(shù)據(jù)提高LAI反演精度的科學(xué)問題,通過改進(jìn)LAI高光譜反演方法,充分發(fā)揮高光譜數(shù)據(jù)的潛力,約束病態(tài)反演問題,改進(jìn)物理模型參數(shù)優(yōu)化。具體研究?jī)?nèi)容如下。(1)對(duì)相關(guān)研究進(jìn)行了全面、深入的整理和分析,通過文獻(xiàn)綜述提煉出當(dāng)前LAI高光譜反演研究的不足與可能的解決途徑。(2)實(shí)地測(cè)量了冬小麥冠層反射光譜和對(duì)應(yīng)的作物參數(shù),開展了LAI最優(yōu)反演波段和參數(shù)化方案研究,發(fā)現(xiàn)當(dāng)高光譜波段選擇適當(dāng)、CR模型輸入?yún)��?shù)不確定性較小時(shí),高光譜數(shù)據(jù)在LAI反演方面表現(xiàn)較好,優(yōu)于多光譜數(shù)據(jù)。(3)為發(fā)掘高光譜數(shù)據(jù)所展現(xiàn)的光譜細(xì)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(duì)各波段上模擬—觀測(cè)光譜擬合程度的考察分離開來,逐步約束各參數(shù)取值的不確定性,優(yōu)化模型參數(shù)。實(shí)驗(yàn)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(duì)先驗(yàn)知識(shí)的依賴。(4)基于農(nóng)田生態(tài)系統(tǒng)中作物參數(shù)空間分布規(guī)律,開展了面向?qū)ο蟮膮��?shù)優(yōu)化和LAI高光譜反演方法研究。利用常規(guī)方法預(yù)反演結(jié)果為各個(gè)田塊制定獨(dú)立的模型參數(shù)化方案,顯著縮小了自由變量的參數(shù)取值范圍。以此提高各田塊參數(shù)化精度,約束了反演結(jié)果中的極端異常值,限制了LAI高病態(tài)反演問題。(5)個(gè)別田塊參數(shù)N取值不同于大多數(shù)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(jié)果代入面向?qū)ο蟮腖AI反演。通過多階段反演與面向?qū)ο蠓囱莸挠袡C(jī)結(jié)合準(zhǔn)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(shù)據(jù)中光譜、空間兩方面的有效信息,從改進(jìn)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(shù)高光譜反演研究提供可借鑒的思路和方法。
【學(xué)位單位】：中國農(nóng)業(yè)科學(xué)院
【學(xué)位級(jí)別】：博士
【學(xué)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(guān)研究、開展元數(shù)據(jù)分析，＾ｉＪ？關(guān)鍵詞＂ｌｅａｆａｒｅａ??ｉｎｄｅｘ＂加相關(guān)模型的英文名稱搜索谷歌學(xué)術(shù)？，所得結(jié)果按相關(guān)性排序，再加工篩選。將??前１０頁相關(guān)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(yán)＇畫?＊＊＾＾＊＾＊＊＇＾＊＂?＾?；柳柳—??ＡＣ．ＲＭ，??Ｍｆｆ？Ｍ?????—??Ｗ【?；；??０?ｉｆｌ?２０?如郵新?獻(xiàn)；；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(xì)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(jù)所用的反演策略歸類??反演方法：ＮＮ：人」神經(jīng)網(wǎng)絡(luò)：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(shù)量統(tǒng)計(jì)??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(xué)（ＧＯ）模型，福肘傳輸一??幾何光學(xué)混合模型、計(jì)算機(jī)模擬模型。??ＲＴ模型假設(shè)福射在均勻介質(zhì)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(cè)量方案??選擇５塊冬小麥大田開展田間試驗(yàn)，見圖２．２、。各田塊內(nèi)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(shù)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(yàn)提供了便利�？紤]本研究結(jié)束后，后續(xù)研究可能需要利用高光譜玉??星遙感數(shù)據(jù)開展，本研究所選田塊近似矩形且面積較大，邊長(zhǎng)均大于９０?ｍ，即田塊至少大于９??個(gè)Ｈｙｐｅｒｉｏｎ像元。每塊大田上，沿對(duì)角線上均勻布設(shè)５—６個(gè)樣本點(diǎn)。測(cè)量每個(gè)樣本點(diǎn)處的冬??小麥冠層反射率與冠層／葉片參數(shù)（表２．６），光譜測(cè)量和部分主要參數(shù)的測(cè)量過程在２．３．１節(jié)——??１９??

分別對(duì)應(yīng)于冬小麥抽穗、亂熟２個(gè)生長(zhǎng)期。??Ｓｉｍ??圖２．２研究區(qū)７Ｋ意圖??Ｆｉｇ?２．?Ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??表２．５試驗(yàn)樣地???Ｔａｂｌｅ?２．５?Ｓｐｅｃｉｆｉｃａｔｉｏｎｓ?ｏｆ?ｔｈｅ?ｓａｍｐｌｅ?ｐｌｏｔｓ??田塊?行政區(qū)屬?中屯、點(diǎn)地理坐標(biāo)?長(zhǎng)Ｘ寬（ｍ）?小麥品種?熟型?管理水平??１?護(hù)駕遲鎮(zhèn)前營(yíng)村?３７°Ｗ＇０２＂Ｎ，１１５。４０＇１４化?４０５ｘ４８７?衡觀３５新系?早熟?高產(chǎn)樂范田??２?護(hù)駕遲鎮(zhèn)前營(yíng)村?３７°５３＇０２嚇Ｊ，１１５°４０＇２５＂Ｅ?３３１。９４?衡觀３５老系?早熟?高產(chǎn)示范田??３?護(hù)駕遲敏?３７°５３＇０６＂Ｎ，?Ｉ１５°４１＇５３＂Ｅ?１４０ｘ１９０?衡?４４４４?中熟?多雜草??４?護(hù)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(jì)麥２２?中晚熟?普通??２０??
【共引文獻(xiàn)】

相關(guān)期刊論文 前1條

1 姜琳琳;于豐華;岳仕達(dá);路同祝;朱鳳武;;彩色圖像分割改進(jìn)方法的研究現(xiàn)狀及分析[J];當(dāng)代生態(tài)農(nóng)業(yè);2013年Z2期

本文編號(hào)：2894474