基于遙感數(shù)據(jù)的低山丘陵區(qū)蘋果樹冠層葉綠素含量反演.pdf

1、葉綠素是作物進行光合作用的主要載體，是檢測作物光合作用能力和生長發(fā)育狀況的重要指標。傳統(tǒng)的葉綠素含量實驗室化學測定方法，費時、費力，不利于大面積監(jiān)控作物長勢狀況。而近年來快速發(fā)展的遙感技術以其監(jiān)測速度快、成本低、面積大等優(yōu)點，為作物葉綠素含量的反演提供了一種新的技術方法。因此，基于遙感技術反演作物葉綠素含量具有重要的理論與現(xiàn)實意義。
　　本研究以“蘋果之都”之稱的山東省棲霞市為研究區(qū)，以Sentinel-2A遙感影像和近地面實測的

2、蘋果樹冠層高光譜數(shù)據(jù)為數(shù)據(jù)源，遙感反演蘋果樹冠層葉綠素含量。首先，利用余弦校正和Minnaert模型，對大氣校正后的遙感影像進行地形輻射校正；在結(jié)合近地面實測蘋果樹冠層高光譜數(shù)據(jù)進行混合像元分解的基礎上，進行蘋果樹冠層反射率反演；然后，在借鑒前人已構建的植被指數(shù)的基礎上，以Sentinel-2A影像的藍光、綠光、紅光、紅邊與近紅外波段數(shù)據(jù)構建的植被指數(shù)，篩選蘋果樹冠層葉綠素植被指數(shù)；最后，基于植被指數(shù)構建蘋果樹冠層葉綠素含量的反演模型并

3、進行檢驗，對比分析多種模型的精度，優(yōu)選出最佳的反演模型。主要研究結(jié)果如下：
　?。?）進行了蘋果樹冠層反射率反演及精度分析
　　對Sentinel-2A多光譜遙感影像進行了大氣校正，在此基礎上，使用余弦校正和Minnaert模型對研究區(qū)進行了地形輻射校正。其中，Minnaert模型校正后，影像的均值和標準差均小于余弦校正后影像，其影像的均值接近于大氣校正影像的均值，很好地去除了地形陰影，降低了陰陽坡對比度，消除或減弱了地形的

4、影響，得到了地表反演反射率。結(jié)合近地面實測數(shù)據(jù)，利用線性模型對地表反演反射率影像進行了混合像元分解，得到了蘋果樹冠層的反演反射率。通過對影像進行處理，表觀反射率、地表反演反射率、冠層反演反射率與冠層實測反射率的相對誤差是逐步降低的。冠層反演反射率的數(shù)值和冠層實測反射率的值是最為相近的，波段2~8A的相對誤差為14.4％、14.6%、9.5%、10.1%、1.6%、0.4%、1.4%和2.0%，說明通過各種影像處理得到了更加真實的冠層光譜

5、，為后續(xù)分析提供了精度保證。
　　（2）構建及篩選了蘋果樹冠層葉綠素植被指數(shù)
　　通過綜合考慮綠色植被的光譜特性及Sentinel-2A影像的波段，借鑒RVI、CI、NDVI的構造原理及形式，以Sentinel-2A的藍光波段2、綠光波段3、紅光波段4、紅邊波段7、近紅外波段8和近紅外波段8A構建了12種植被指數(shù)，通過與葉綠素含量進行相關性分析，并對植被指數(shù)進行自相關性分析，優(yōu)選出了3個植被指數(shù)系列，為系列1（RVIblue

6、+RVIred+RVIre）、系列2（CIblue+CIred+CIre）和系列3（NDVIgreen+NDVIred+NDVIre）。
　?。?）建立與驗證了蘋果樹冠層葉綠素含量反演模型
　　以植被指數(shù)系列1、系列2和系列3分別為自變量，蘋果樹冠層葉綠素含量為因變量，建立了BP神經(jīng)網(wǎng)絡反演模型和支持向量機回歸反演模型。以NDVIgreen+NDVIred+NDVIre植被指數(shù)建立的BP神經(jīng)網(wǎng)絡反演模型3的建模及檢驗的決定系

7、數(shù)（Rc2=0.674，Rv2=0.601）均大于BP神經(jīng)網(wǎng)絡反演模型1和模型2，均方根誤差（RMSEc=0.169，RMSEv=0.185）都小于模型1和模型2，反演效果比較好。以NDVIgreen+NDVIred+NDVIre植被指數(shù)建立的支持向量機回歸反演模型3的建模及檢驗的決定系數(shù)均大于支持向量機回歸反演模型1和模型2，分別為0.729和0.667，均方根誤差都小于模型1和模型2，分別為0.159和0.178，反演效果比較好。支