【摘要】：葉面積指數(shù)(leaf area index,LAI)作為植被冠層的重要參數(shù),對作物長勢監(jiān)測及產(chǎn)量估算具有重要意義。本研究以黑河流域張掖綠洲試驗(yàn)區(qū)為例,基于機(jī)載航空高光譜遙感影像(compact airborne spectrographic imager,CASI)數(shù)據(jù),利用物理模型與統(tǒng)計(jì)模型對研究區(qū)的LAI進(jìn)行估測反演。首先,利用歸一化植被指數(shù)(normalized difference vegetation index,NDVI)與相應(yīng)實(shí)測LAI數(shù)據(jù)建立最佳線性回歸模型;然后,基于混合像元分解模型和多次散射植被冠層模型構(gòu)建物理模型;最后,以線性回歸模型為參比修正多次散射植被冠層模型,構(gòu)建半經(jīng)驗(yàn)LAI反演模型,并比較上述模型擬合效果。研究結(jié)果表明,半經(jīng)驗(yàn)?zāi)Ｐ蜑榫G洲區(qū)LAI反演最優(yōu)模型,模型估算精度R2達(dá)到0.89,精度提高較顯著。研究對提升作物L(fēng)AI的估算精度有一定意義,并將進(jìn)一步推動(dòng)精細(xì)農(nóng)業(yè)定量遙感理論的研究與應(yīng)用。
[Abstract]:As an important parameter of vegetation canopy, leaf area index (leaf area) is important for crop growth monitoring and yield estimation. Taking Zhangye Oasis Experimental area of Heihe River Basin as an example, based on airborne aerial hyperspectral remote sensing image (compact airborne spectrographic imager CASI data, the physical model and statistical model are used to estimate and inverse the LAI in the study area. Firstly, the best linear regression model is established by using normalized vegetation index (normalized difference vegetation) and corresponding measured LAI data. Then, the physical model is constructed based on mixed pixel decomposition model and multiple scattering vegetation canopy model. The semi-empirical LAI inversion model was constructed by using the linear regression model as reference to modify the multi-scattering vegetation canopy model and the fitting results of the above models were compared. The results show that the semi-empirical model is the best model for LAI inversion in oasis area. The precision of the model is up to 0.89, and the precision is improved significantly. The research is significant for improving the precision of crop LAI estimation, and will further promote the research and application of quantitative remote sensing theory of fine agriculture.
【作者單位】： 成都理工大學(xué)地球科學(xué)學(xué)院;國土資源部地學(xué)空間信息技術(shù)重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金項(xiàng)目“汶川強(qiáng)震區(qū)潛在泥石流危險(xiǎn)性判識及其差異性分析”(編號:41102225);國家自然科學(xué)基金項(xiàng)目“任務(wù)感知的遙感信息服務(wù)動(dòng)態(tài)組合方法”(編號:41201440) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目“岷江上游高原林區(qū)不同植被類型的土壤持水特征研究”(編號:201351221200092013) 四川省教育廳科研項(xiàng)目“基于光譜相似度的森林樹種識別方法研究——以青城山地區(qū)為例”(編號:15ZB0066);四川省教育廳理科重點(diǎn)項(xiàng)目“基于用戶興趣特征的遙感信息智能服務(wù)方法”(編號:15ZA0078) 國土資源部地學(xué)空間信息技術(shù)重點(diǎn)實(shí)驗(yàn)室課題項(xiàng)目“非線性混合光譜模型在生態(tài)水遙感估算中的應(yīng)用研究”(編號:KLGSIT2013-02) 成都理工大學(xué)研究基金項(xiàng)目“基于混合像元分解的岷江上游植被覆蓋度定量估算研究”(編號:2012YG02);成都理工大學(xué)骨干教師培養(yǎng)計(jì)劃(編號:DG0002) 四川省應(yīng)急測繪與防災(zāi)減災(zāi)工程技術(shù)研究中心開放基金項(xiàng)目“天地圖與小區(qū)域地理信息整合移動(dòng)服務(wù)系統(tǒng)構(gòu)建與實(shí)現(xiàn)”(編號:K2015B003)共同資助
【分類號】：S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于強(qiáng)，傅抱璞，姚克敏;水稻葉面積指數(shù)的普適增長模型[J];中國農(nóng)業(yè)氣象;1995年02期

2 王磊;馬英杰;趙經(jīng)華;洪明;;基于圖像上冠層體積的葉面積指數(shù)測算方法[J];農(nóng)機(jī)化研究;2013年12期

3 劉安國;作物葉面積指數(shù)和葉傾角分布函數(shù)的一種推算方法[J];中國農(nóng)業(yè)氣象;1994年06期

4 張立俊;洪添勝;吳偉斌;Joseph Mwape Chileshe;馮灼峰;趙奔;徐寧;;基于半球攝影法的果樹葉面積指數(shù)檢測(英文)[J];農(nóng)業(yè)工程學(xué)報(bào);2012年S2期

5 周洋;米曉飛;葉李灶;;葉面積指數(shù)遙感反演算法研究[J];計(jì)算機(jī)與現(xiàn)代化;2013年03期

6 祁漫宇;朱維斌;;葉面積指數(shù)主要測定方法和設(shè)備[J];安徽農(nóng)業(yè)科學(xué);2012年31期

7 宋亞斌;林輝;孫華;寧小斌;;基于多元回歸模型的葉面積指數(shù)遙感反演[J];中南林業(yè)調(diào)查規(guī)劃;2012年02期

8 郭云開;茍葉培;;路域植被葉面積指數(shù)變化遙感監(jiān)測[J];遙感信息;2013年06期

9 熊萬彩;邱權(quán);陳天華;鄭文剛;;葉面積指數(shù)間接測量方法分析[J];安徽農(nóng)業(yè)科學(xué);2013年15期

10 金慧然;陶欣;范聞捷;徐希孺;李培軍;;應(yīng)用北京一號衛(wèi)星數(shù)據(jù)監(jiān)測高分辨率葉面積指數(shù)的空間分布[J];自然科學(xué)進(jìn)展;2007年09期

相關(guān)會議論文 前2條

1 陳雪洋;蒙繼華;吳炳方;朱建軍;紐立明;杜鑫;;基于環(huán)境星高光譜數(shù)據(jù)紅邊參數(shù)的冬小麥葉面積指數(shù)反演[A];遙感定量反演算法研討會摘要集[C];2010年

2 高帥;;利用ENVISAT-ASAR數(shù)據(jù)的植被葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 謝巧云;考慮紅邊特性的多平臺遙感數(shù)據(jù)葉面積指數(shù)反演方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

相關(guān)碩士學(xué)位論文 前10條

1 張麗麗;中國森林與農(nóng)田遙感葉面積指數(shù)產(chǎn)品精度分析[D];南京信息工程大學(xué);2015年

2 章曼;基于高光譜遙感的水稻生長監(jiān)測研究[D];西北農(nóng)林科技大學(xué);2015年

3 陳艷玲;基于WOFOST作物模型與葉面積指數(shù)同化的冬小麥遙感估產(chǎn)研究[D];河南理工大學(xué);2015年

4 葉舒;基于PROSAIL模型的GF-1葉面積指數(shù)和葉片生理參數(shù)反演[D];東北林業(yè)大學(xué);2016年

5 張明政;基于多層PROSAIL模型的玉米冠層葉面積指數(shù)垂直分布反演[D];山東農(nóng)業(yè)大學(xué);2016年

6 張榮霞;不同作物多種葉面積指數(shù)獲取方法對比研究[D];華中農(nóng)業(yè)大學(xué);2013年

7 周洪奎;黃淮海平原典型區(qū)夏玉米葉面積指數(shù)遙感估算研究[D];南京大學(xué);2013年

8 肖伸亮;作物葉面積指數(shù)遙感反演與驗(yàn)證研究[D];中國農(nóng)業(yè)科學(xué)院;2007年

9 周薇薇;多源遙感數(shù)據(jù)葉面積指數(shù)反演[D];青海師范大學(xué);2013年

10 孫濤;農(nóng)作物葉面積指數(shù)反演方法研究[D];南京信息工程大學(xué);2013年

，

本文編號：2155730