基于輻射傳輸模型和CHRIS數(shù)據(jù)反演春小麥LAI.pdf

1、LAI（葉面積指數(shù)：Leaf Area Index）是地表植被生態(tài)系統(tǒng)中關(guān)鍵的結(jié)構(gòu)參數(shù)之一，其變化能夠體現(xiàn)植被生長和發(fā)育的不同狀態(tài)，同時也是農(nóng)作物長勢監(jiān)測、單產(chǎn)預(yù)測等的一個關(guān)鍵的生態(tài)參數(shù)，所以準(zhǔn)確反演LAI具有非常重要的意義。
　　本文以2008年6月4日一景高光譜多角度CHRIS（緊湊式高分辨率成像分光計：Compact High Resolution Imaging Spectrometer）數(shù)據(jù)為主要數(shù)據(jù)源，以ASTER、S

2、POT5、BJ-1號衛(wèi)星數(shù)據(jù)為輔，結(jié)合PROSAIL模型，以春小麥的LAI反演為目標(biāo)，進(jìn)行了系統(tǒng)的研究，最后結(jié)合地面測量值對反演結(jié)果進(jìn)行驗證。主要研究工作如下：
　?。?）數(shù)據(jù)集的獲取與處理。包括高光譜多角度CHRIS遙感數(shù)據(jù)、多光譜遙感數(shù)據(jù)的獲取及預(yù)處理、地面數(shù)據(jù)（光譜、結(jié)構(gòu)參數(shù)、理化參數(shù)等）等的獲取與處理。
　?。?）結(jié)合實測值和文獻(xiàn)取值，確定PROSAIL模型輸入?yún)?shù)的取值范圍，采用不確定性與敏感性矩陣進(jìn)行敏感性分析與

3、計算，選取了LAI、平均葉傾角（ALA）、葉綠素含量（Cab）和觀測天頂角4個敏感因子；對比模擬光譜與實測光譜進(jìn)行正向模型的驗證。
　　（3）采用分段主成分分析法進(jìn)行波段選擇，最終選擇最佳波段為第4、9和15三個波段，中心波長分別為551.1nm、696.9nm和871.5nm，實現(xiàn)數(shù)據(jù)降維。
　?。?）在模型分析和波段選擇的基礎(chǔ)上，基于PROSAIL模型，通過變換4個敏感因子，模擬大量的冠層反射率數(shù)據(jù)集，作為建模訓(xùn)練數(shù)據(jù)和

4、驗證數(shù)據(jù)。采用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練建模數(shù)據(jù)，建立單角度和多角度反演模型，結(jié)合驗證數(shù)據(jù)從相關(guān)系數(shù)（R2）和均方根誤差（RMSE）兩方面對模型進(jìn)行精度評價。結(jié)果表明，利用神經(jīng)網(wǎng)絡(luò)方法所建模型精度較高，且多角度模型較單角度反演精度高，其中兩角度反演模型的相關(guān)系數(shù)較單角度平均提高10.465％，RMSE平均降低4.3%，但隨著角度增加，精度提高速度減慢。
　?。?）高光譜多角度數(shù)據(jù)的反演與驗證根據(jù)驗證精度，將所建模型用于遙感數(shù)據(jù)的反演中，結(jié)合