葉面積指數(shù)反演方法的普適性研究.pdf

1、葉面積指數(shù)(leaf area index，LAI)是指單位地表面積上方植物葉單面面積的總和，是反映植物長(zhǎng)勢(shì)的一個(gè)重要生物學(xué)參數(shù)，為植物冠層表面物質(zhì)和能量交換過(guò)程的描述提供結(jié)構(gòu)化的定量信息，在植被定量遙感反演、生態(tài)系統(tǒng)碳循環(huán)、植被生產(chǎn)力以及植被、土壤和大氣之間相互作用的能量平衡等方面起著重要作用，是眾多生態(tài)、陸面過(guò)程模型的重要輸入?yún)?shù)，也是進(jìn)行作物長(zhǎng)勢(shì)判斷和產(chǎn)量估測(cè)的重要農(nóng)學(xué)指標(biāo)之一。傳統(tǒng)的LAI測(cè)定方法以地面直接測(cè)量法為主，遙感技術(shù)的

2、發(fā)展為大面積、快速獲取區(qū)域LAI提供了有效途徑，成為監(jiān)測(cè)LAI變化的趨勢(shì)。針對(duì)當(dāng)前葉面積指數(shù)遙感反演存在的LAI反演產(chǎn)品時(shí)間序列不連續(xù)、反演精度較低和普適性較差等問(wèn)題，本文的主要研究?jī)?nèi)容和實(shí)驗(yàn)結(jié)果如下:
　　(1)提出基于航空和地面多平臺(tái)數(shù)據(jù)的冬小麥葉面積指數(shù)普適性反演方法。解決了單一數(shù)據(jù)源反演精度較低的問(wèn)題。實(shí)驗(yàn)結(jié)果證明，與小波變換法和主成分分析方法相比，支持向量機(jī)方法(support vector machines，SVM)對(duì)

3、冬小麥的LAI反演能力更強(qiáng)，精度更高，有效改善了高估、低估現(xiàn)象，因此更適合用于進(jìn)行冬小麥LAI反演研究。
　　(2)提出支持向量機(jī)方法(support vector machines，SVM)對(duì)不同條件下冬小麥的LAI反演的普適性研究，提高了葉面積指數(shù)的遙感反演精度和對(duì)于不同品種類(lèi)型、生育時(shí)期和肥水處理類(lèi)型的普適性。實(shí)驗(yàn)結(jié)果顯示，最小二乘支持向量機(jī)對(duì)不同株型品種、不同生育時(shí)期和不同肥水脅迫下的冬小麥LAI反演精度均高于傳統(tǒng)NDVI

4、植被指數(shù)反演結(jié)果，證明該方法對(duì)冬小麥LAI反演具有普適性。
　　(3)提出一種基于最小二乘支持向量機(jī)方法(least squares support vectormachines,LS-SVM)的MODIS(Moderate-resolution Imaging Spectroradiometer)LAI時(shí)間序列產(chǎn)品估算，解決了中分辨率LAI反演產(chǎn)品時(shí)間序列不連續(xù)問(wèn)題。實(shí)驗(yàn)結(jié)果表明支持向量機(jī)和最小二乘支持向量機(jī)方法對(duì)西藏那曲縣MO