冬小麥葉面積指數(shù)高光譜遙感反演方法研究.pdf

1、葉面積指數(shù)(LAI)反映了植被的多種生態(tài)功能，是一些陸表過程模型的重要輸入?yún)?shù)。近年來，高光譜遙感數(shù)據(jù)日益廣泛應(yīng)用于LAI反演。然而，目前基于冠層反射率模型的LAI高光譜反演還存在以下問題。第一，和多光譜數(shù)據(jù)相比，高光譜是否能夠提高LAI反演的精度與穩(wěn)定性尚存在爭(zhēng)議?；诓檎冶淼腖AI高光譜常規(guī)反演方法的最優(yōu)反演波段選擇與模型參數(shù)化原則仍不明確。第二，LAI高光譜常規(guī)反演方法難以有效約束維數(shù)災(zāi)難、病態(tài)反演問題。最后，現(xiàn)有面向像元的LAI

2、反演方法未能充分利用農(nóng)田生態(tài)系統(tǒng)的空間特征，且對(duì)不同田塊應(yīng)用同一套參數(shù)化方案，造成了一定誤差。本博士論文圍繞如何充分利用高光譜數(shù)據(jù)提高LAI反演精度的科學(xué)問題，通過改進(jìn)LAI高光譜反演方法，充分發(fā)揮高光譜數(shù)據(jù)的潛力，約束病態(tài)反演問題，改進(jìn)物理模型參數(shù)優(yōu)化。具體研究?jī)?nèi)容如下。
　　(1)對(duì)相關(guān)研究進(jìn)行了全面、深入的整理和分析，通過文獻(xiàn)綜述提煉出當(dāng)前LAI高光譜反演研究的不足與可能的解決途徑。
　　(2)實(shí)地測(cè)量了冬小麥冠層反射

3、光譜和對(duì)應(yīng)的作物參數(shù)，開展了LAI最優(yōu)反演波段和參數(shù)化方案研究，發(fā)現(xiàn)當(dāng)高光譜波段選擇適當(dāng)、CR模型輸入?yún)?shù)不確定性較小時(shí)，高光譜數(shù)據(jù)在LAI反演方面表現(xiàn)較好，優(yōu)于多光譜數(shù)據(jù)。
　　(3)為發(fā)掘高光譜數(shù)據(jù)所展現(xiàn)的光譜細(xì)節(jié)，約束LAI反演中的病態(tài)問題，提出了LAI多階段反演方法，將對(duì)各波段上模擬—觀測(cè)光譜擬合程度的考察分離開來，逐步約束各參數(shù)取值的不確定性，優(yōu)化模型參數(shù)。實(shí)驗(yàn)表明，該方法有效限制了LAI病態(tài)反演問題，減少了LAI高光譜

4、反演對(duì)先驗(yàn)知識(shí)的依賴。
　　(4)基于農(nóng)田生態(tài)系統(tǒng)中作物參數(shù)空間分布規(guī)律，開展了面向?qū)ο蟮膮?shù)優(yōu)化和LAI高光譜反演方法研究。利用常規(guī)方法預(yù)反演結(jié)果為各個(gè)田塊制定獨(dú)立的模型參數(shù)化方案，顯著縮小了自由變量的參數(shù)取值范圍。以此提高各田塊參數(shù)化精度，約束了反演結(jié)果中的極端異常值，限制了LAI高病態(tài)反演問題。
　　(5)個(gè)別田塊參數(shù)N取值不同于大多數(shù)田塊，致其LAI反演失敗。本研究將LAI多階段反演思路用于N的反演，繼而將N的反演結(jié)