本文關(guān)鍵詞：物理模型光譜模擬誤差對冬小麥葉面積指數(shù)高光譜反演的影響

  更多相關(guān)文章： 葉面積指數(shù) LAI 高光譜 反演 光譜模擬誤差 ACRM

【摘要】：獲取農(nóng)作物葉面積指數(shù)(leaf area index,LAI)及其動態(tài)變化對于農(nóng)作物長勢監(jiān)測和產(chǎn)量估測等應(yīng)用具有重要的意義。基于冠層反射率模型(物理模型)的LAI遙感反演方法具有良好的普適性,對地面數(shù)據(jù)依賴較少,近年來廣泛應(yīng)用于農(nóng)作物L(fēng)AI高光譜反演研究。然而,當(dāng)物理模型參數(shù)取值盡可能準(zhǔn)確(代入?yún)?shù)實測值或依據(jù)先驗知識取值)時,模擬光譜與實測光譜間仍然存在誤差,研究稱之為"光譜模擬誤差"。該研究通過比對實測冬小麥冠層光譜與ACRM(a two-layer canopy reflectance model)模型最優(yōu)模擬光譜,展示了光譜模擬誤差在各波段、不同樣本點的分布規(guī)律。據(jù)此,根據(jù)對光譜模擬誤差與高光譜數(shù)據(jù)降維的不同考慮,制訂了4種LAI反演波段選擇方案。通過對比基于不同波段選擇方案的LAI反演精度,分析了光譜模擬誤差對LAI反演的影響;討論了綜合考慮高光譜數(shù)據(jù)降維與光譜模擬誤差的LAI反演波段選擇方法。通過合理的波段選擇,限制了光譜模擬誤差的影響,提高了LAI反演精度。該研究結(jié)果有助于探索合理的LAI高光譜反演波段選擇方法,為合理利用高光譜數(shù)據(jù)反演農(nóng)作物L(fēng)AI提供科學(xué)參考。
【作者單位】： 農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室/中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所;農(nóng)業(yè)部遙感應(yīng)用中心成都分中心/四川省農(nóng)業(yè)科學(xué)院遙感應(yīng)用研究所;華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院;
【關(guān)鍵詞】： 葉面積指數(shù) LAI 高光譜 反演 光譜模擬誤差 ACRM
【基金】：國家自然科學(xué)基金項目“基于農(nóng)戶決策行為的農(nóng)作物時空格局動態(tài)變化機(jī)理機(jī)制研究”(41271112);國家自然科學(xué)基金項目“東北地區(qū)農(nóng)作物時空格局變化過程模擬及特征分析研究”(41201089) 四川省能力提升工程新興學(xué)科專項基金“無人機(jī)快速獲取高精度農(nóng)業(yè)信息研究”(2013XXXK-D24)
【分類號】：S512.11;S127
【正文快照】： 0引言葉面積指數(shù)(leaf area index,LAI)通常定義為單位地表面積上單面葉面積的總和[1]。LAI反映了農(nóng)作物生理生化過程和作物生產(chǎn)力狀況[2],對于農(nóng)作物長勢監(jiān)測和產(chǎn)量估測等應(yīng)用具有重要意義[3-6]。利用遙感技術(shù)能夠經(jīng)濟(jì)、高效、無損地獲取大尺度LAI,其方法大致分為兩類:基于統(tǒng)，

本文編號：667975