葉面積指數(shù)(Leaf Area Index,LAI)是植被生長(zhǎng)的重要指示因子,在農(nóng)業(yè)、林業(yè)領(lǐng)域應(yīng)用廣泛,同時(shí)在生態(tài)系統(tǒng)與作物生長(zhǎng)模型構(gòu)建、農(nóng)業(yè)環(huán)境監(jiān)測(cè)中具有重要研究意義。針對(duì)我國(guó)GF-2自主衛(wèi)星載荷特點(diǎn),研發(fā)其LAI反演方法,對(duì)于發(fā)揮衛(wèi)星應(yīng)用潛力,促進(jìn)自主衛(wèi)星應(yīng)用具有重要研究?jī)r(jià)值。本研究以河北省石家莊市欒城縣為實(shí)驗(yàn)基地,針對(duì)夏玉米拔節(jié)期和抽穗期,研究基于經(jīng)驗(yàn)?zāi)Ｐ�、PROSAIL模型的GF-2衛(wèi)星LAI反演方法,進(jìn)而探索物理模型與機(jī)器學(xué)習(xí)算法相結(jié)合的混合模型,并對(duì)三種模型進(jìn)行比較,分析反演精度,針對(duì)不同生育期選擇最佳LAI反演模型,形成完善的GF-2衛(wèi)星LAI反演技術(shù)流程體系。主要獲得以下研究成果:(1)經(jīng)驗(yàn)?zāi)Ｐ椭?9種植被指數(shù)與LAI的相關(guān)系數(shù)r均大于0.58,較好反映了拔節(jié)期、抽穗期玉米LAI生長(zhǎng)變化;單變量回歸模型中,OSAVI指數(shù)模型在拔節(jié)期建模精度最高,ARVI二項(xiàng)式模型在抽穗期建模精度最高。研究發(fā)現(xiàn)多元回歸模型建模精度整體高于單變量回歸模型,但精度驗(yàn)證表明其反演能力低于單變量模型,這與多元變量之間的過(guò)度擬合和樣本數(shù)量有關(guān)。(2)物理模型中,分析PROSAIL模型的參數(shù)敏感性:在近紅外和可見(jiàn)光波段,LAI和Cab對(duì)模型最敏感,基于PROSAIL模型的LAI反演結(jié)果基本符合實(shí)測(cè)結(jié)果,拔節(jié)期LAI反演值和實(shí)測(cè)值間的決定系數(shù)R~2達(dá)0.563,RMSE為0.321;抽穗期R~2達(dá)0.689,RMSE為0.275。與經(jīng)驗(yàn)?zāi)Ｐ拖啾?兩個(gè)生育期的反演精度分別提高7.7%和11.6%。(3)混合模型中,RF-PROSAIL模型反演精度最高,拔節(jié)期LAI反演值和實(shí)測(cè)值間的決定系數(shù)R~2達(dá)0.631,RMSE為0.297;抽穗期LAI反演值和實(shí)測(cè)值間的決定系數(shù)R~2達(dá)0.791,RMSE為0.254。BP-PROSAIL模型拔節(jié)期受影像質(zhì)量影響,反演效果不理想,但在抽穗期,反演效果好轉(zhuǎn),反演精度高于經(jīng)驗(yàn)?zāi)Ｐ?但低于PROSAIL模型。(4)總體上,三種反演方法的LAI填圖效果為:拔節(jié)期,經(jīng)驗(yàn)?zāi)Ｐ秃虰P-PROSAIL模型LAI反演結(jié)果主要分布在2-4之間,PROSAIL模型和RF-PROSAIL混合模型反演結(jié)果主要在1-2之間;抽穗期,經(jīng)驗(yàn)?zāi)Ｐ头囱萁Y(jié)果主要在3.5-7.0之間,其它方法反演LAI結(jié)果均在3-6之間,兩個(gè)生育期內(nèi),LAI值在0左右的為城鎮(zhèn)、道路和建筑物等。綜上,在夏玉米拔節(jié)期、抽穗期使用RF-PROSAIL模型反演LAI效果最佳。此外,由于拔節(jié)期玉米生長(zhǎng)稀疏,裸露土壤面積較多,混合模型和PROSAIL模型參數(shù)獲取條件不滿足時(shí),經(jīng)驗(yàn)?zāi)Ｐ?OSAVI植被指數(shù))是一種較好的方法;隨著抽穗期玉米不斷生長(zhǎng),地面覆蓋度逐漸增高,物理模型憑借其較強(qiáng)的輻射傳輸機(jī)理,為L(zhǎng)AI反演提供了一種有效的反演方法。
【學(xué)位單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP181;S513
【部分圖文】：

究區(qū)概況河北省欒城縣為研究區(qū)，位于省會(huì)石家莊東南方向，河北省的西南方南部，距離省會(huì)石家莊 15 公里，公路、鐵路貫穿欒城縣南北，交通便，共有 182 個(gè)行政村，人口和占地面積分別為 32.89 萬(wàn)和 347 平方公區(qū)地理范圍為 114°36 —114°48 E，37°45 —38°06 N，氣候氣候，全年光照充足，四季分明，年平均氣溫 12.8℃，平均降水量 47度 62%，平均無(wú)霜期 205 天，平均風(fēng)速為 2.6 米/秒，降水主要集中在食作物的生產(chǎn)提供了適宜的氣候條件。區(qū)地勢(shì)平坦，由西北向東南緩慢傾斜，平均海拔高度 45-66m，以平效應(yīng)對(duì)植被參量反演的影響較小，欒城縣糧食作物播種面積廣泛，以等農(nóng)作物為主，間種有少量向日葵、蔬菜等。圖 2-1 為研究區(qū)示意圖

試驗(yàn)方案設(shè)計(jì)根據(jù)研究區(qū)玉米生長(zhǎng)的物候歷、衛(wèi)星過(guò)境時(shí)間及當(dāng)?shù)靥鞖鉅顩r，野于 2017 年 7 月 12 日至 7 月 15 日和 2017 年 9 月 3 日至 9 月 6 日在邊玉米樣地開(kāi)展。通過(guò)實(shí)地考察，進(jìn)行試驗(yàn)之前，首先依據(jù)當(dāng)?shù)赜裨瓌t，在谷歌影像上布設(shè)好樣方，布設(shè)樣方時(shí)，使各樣方遠(yuǎn)離道路擾地物，距離最小在 20 米之外，考慮到實(shí)地采樣點(diǎn)與 GF-2 影像像方大小設(shè)置為 16m 16m，共 43 個(gè)樣方。實(shí)地采集時(shí)，首先使用樣方進(jìn)行實(shí)地定位，找到每個(gè)樣方的具體位置，然后進(jìn)行各個(gè)試驗(yàn)外試驗(yàn)采集數(shù)據(jù)主要包括葉面積指數(shù)、葉綠素含量、平均葉傾角等冠層分析儀測(cè)定葉面積指數(shù)和平均葉傾角、SPAD-502 葉綠素含量素含量，采用華測(cè) LT400 手持 GPS 獲得樣方經(jīng)緯度坐標(biāo)，以上樣上的分布圖及每個(gè)樣方的獲取方式如圖 2-2 所示。

(a)拔節(jié)期 (b)抽穗期圖 3-2 經(jīng)驗(yàn)?zāi)Ｐ头囱萁Y(jié)果分布圖(a)拔節(jié)期 (b)抽穗期多元回歸模型預(yù)測(cè)值 單變量回歸模型預(yù)測(cè)值多元回歸線 單變量回歸線圖 3-3 經(jīng)驗(yàn)?zāi)Ｐ蛯?shí)測(cè)值與反演值散點(diǎn)圖R2= 0.486RMSE=0.351BIAS=0.108R2= 0.445RMSE=0.371BIAS=0.1881223340 1 2 3 4LAI實(shí)測(cè)值LAI反演值R2= 0.573RMSE=0.316BIAS=0.079R2= 0.508RMSE=0.336BIAS=0.267234563 3.5 4 4.5 5 5.5LAI實(shí)測(cè)值LAI反演值
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張明政;蘇偉;王瑞燕;;基于地基激光雷達(dá)與Landsat8影像的玉米LAI反演[J];中國(guó)激光;2015年11期

2 楊敏;林杰;顧哲衍;佟光臣;翁永兵;張金池;魯小珍;;基于Landsat 8 OLI多光譜影像數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的葉面積指數(shù)反演[J];中國(guó)水土保持科學(xué);2015年04期

3 賈玉秋;李冰;程永政;劉婷;郭燕;武喜紅;王來(lái)剛;;基于GF-1與Landsat-8多光譜遙感影像的玉米LAI反演比較[J];農(nóng)業(yè)工程學(xué)報(bào);2015年09期

4 王聰;杜華強(qiáng);周國(guó)模;徐小軍;孫少波;高國(guó)龍;;基于幾何光學(xué)模型的毛竹林郁閉度無(wú)人機(jī)遙感定量反演[J];應(yīng)用生態(tài)學(xué)報(bào);2015年05期

5 梁棟;楊勤英;黃文江;彭代亮;趙晉陵;黃林生;張東彥;宋曉宇;;基于小波變換與支持向量機(jī)回歸的冬小麥葉面積指數(shù)估算[J];紅外與激光工程;2015年01期

6 潘騰;;高分二號(hào)衛(wèi)星的技術(shù)特點(diǎn)[J];中國(guó)航天;2015年01期

7 王李娟;牛錚;;PROSAIL模型的參數(shù)敏感性研究[J];遙感技術(shù)與應(yīng)用;2014年02期

8 豐明博;牛錚;;基于經(jīng)驗(yàn)?zāi)Ｐ偷腍yperion數(shù)據(jù)植被葉綠素含量反演[J];國(guó)土資源遙感;2014年01期

9 劉洋;劉榮高;陳鏡明;程曉;鄭光;;葉面積指數(shù)遙感反演研究進(jìn)展與展望[J];地球信息科學(xué)學(xué)報(bào);2013年05期

10 何維;楊華;;模型參數(shù)全局敏感性分析的EFAST方法[J];遙感技術(shù)與應(yīng)用;2013年05期

相關(guān)博士學(xué)位論文 前1條

1 王東偉;遙感數(shù)據(jù)與作物生長(zhǎng)模型同化方法及其應(yīng)用研究[D];北京師范大學(xué);2008年

相關(guān)碩士學(xué)位論文 前8條

1 鄭淳月;區(qū)域植被覆蓋度提取的尺度效應(yīng)分析[D];西北大學(xué);2016年

2 劉天鳳;基于PROSAIL模型的干旱半干旱地區(qū)LAI遙感反演建模[D];蘭州大學(xué);2015年

3 余金林;基于PROSAIL模型的青海湖流域草地葉面積指數(shù)反演[D];青海師范大學(xué);2014年

4 谷成燕;基于PROSAIL輻射傳輸模型的毛竹林冠層參數(shù)遙感定量反演[D];浙江農(nóng)林大學(xué);2013年

5 苗乃哲;基于Landsat_TM數(shù)據(jù)的冬小麥不同生育期葉面積指數(shù)反演方法精度比較[D];西安科技大學(xué);2012年

6 林如強(qiáng);基于LAI的航天遙感圖像仿真與系統(tǒng)集成[D];福建師范大學(xué);2010年

7 賀少帥;高分辨率衛(wèi)星影像快速幾何糾正研究[D];中南大學(xué);2009年

8 姬大彬;基于MODIS數(shù)據(jù)的高分辨率氣溶膠光學(xué)厚度反演[D];山東科技大學(xué);2009年

本文編號(hào)：2862098