基於遙感影像優化prosail模型參數的葉面積指數和葉綠素含量的反演方法
2023-10-30 02:52:12 2
專利名稱：基於遙感影像優化prosail模型參數的葉面積指數和葉綠素含量的反演方法
技術領域：
本發明涉及遙感數據的處理和農學技術領域，尤其是一種基於遙感影像優化PR0SAIL模型參數的葉面積指數和葉綠素含量的反演方法。
背景技術：
葉面積指數和葉綠素含量是重要的植物學參數，在農作物長勢監測、產量估算等領域應用廣泛。傳統的測量葉面積指數和葉綠素含量的方法主要依靠田間取樣和儀器測 量，這種方法雖然具有較高的準確性，但其工作量大，且只能獲得地面有限點的葉面積指數和葉綠素含量，難以獲得大面積的葉面積指數和葉綠素含量，無法滿足植被生態和作物長勢監測的需求。遙感技術具有遙感技術探測範圍大，手段多，獲取的信息量大等特點，其發展和應用給大面積反演葉面積指數和葉綠素含量提供了可能。利用遙感技術反演葉面積指數和葉綠素含量的主要方法有經驗反演法和模型反演法兩種。其中，經驗反演法主要通過建立植被指數與葉面積指數和葉綠素含量的統計關係來反演葉面積指數，但由於經驗反演方法所依據的物理模型過於簡單，植被指數與葉面積指數的統計關係往往缺乏普適性，反演誤差較大；模型反演方法目前比較常用的模型有幾何光學模型、輻射傳輸模型以及混合模型，不同模型的側重點有所不同，它們共同的特點是具有一定的物理基礎，反演更接近於現實，模型反演所需參數較多，在已有的模型反演方法中參數往往選用經驗值或實測值，缺乏對參數的優化，代表性較差，給反演帶來較大誤差，影響反演精度。
發明內容
本發明的目的在於提供一種無需田間觀測數據、成本低、反演精度高、速度快的基於遙感影像優化PR0SAIL模型參數的葉面積指數和葉綠素含量的反演方法。為實現上述目的，本發明採用了以下技術方案一種基於遙感影像優化PR0SAIL模型參數的葉面積指數和葉綠素含量的反演方法，該方法包括下列順序的步驟(I)下載遙感影像並對其進行預處理，得到多光譜冠層反射率數據；(2)運用PR0SAIL模型，根據不同的參數組合建立查找表，確定不同參數和冠層反射率的關係即回歸方程，所述的參數是指葉面積指數LAI、葉綠素含量LCC、結構參數N、乾物質含量Cm以及等效水厚度Cw ；(3)建立目標函數，結合多光譜冠層反射率數據，優化參數，使目標函數得到全局最小值，每次參數優化之後都需要再次執行步驟(2)，直到得到目標函數的全局最小值，得到對應的參數組合，並用多光譜冠層反射率數據對參數進行更新；(4)根據步驟(3)所得到的參數組合、步驟(2)得到的回歸方程以及多光譜冠層反射率數據，即可反演得到葉面積指數LAI和葉綠素含量LCC。所述的對遙感影像的預處理包括對遙感影像的輻射校正、幾何校正、大氣校正，得到多光譜冠層反射率數據，以及根據已有的土地利用矢量圖、多光譜冠層反射率數據以及物候經驗，利用軟體將植被區域提取出來。根據所述的五個可變參數建立查找表，即葉面積指數LAI (O. 3-7. 5)、葉綠素含量LCC (10-90)、結構參數N (I. 0-2. 5)、乾物質含量Cm (O. 005-0. 01 )、等效水厚度Cw(O. 01-0. 02)，在運用PR0SAIL模型建立查找表時，LAI以O. 5的步長共15個作為輸入；LCC以5的步長共17個作為輸入；結構參數N以O. I的步長共16個作為輸入；乾物質含量Cm以O. 005的步長共2個作為輸入；等效水厚度Cw以O. 01的步長共2個作為輸入，共計有16320個參數組合，即可模擬得到16320個不同的多光譜冠層反射率數據；所述的由五個可變參數所建立的查找表可得到不同參數組合下的LAI-P*、LCC-Pg的關係方程，其中和P 8分別表示近紅外波段和綠波段的冠層反射率，分析結構參數N與紅波段、綠波段、近紅外波段的相關性，選取相關性最好的建立回歸方程。建立目標函數，目標函數表達式如下
權利要求
1.一種基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，該方法包括下列順序的步驟 (1)下載遙感影像並對其進行預處理，得到多光譜冠層反射率數據； (2)運用PROSAIL模型，根據不同的參數組合建立查找表，確定不同參數和冠層反射率的關係即回歸方程，所述的參數是指葉面積指數LAI、葉綠素含量LCC、結構參數N、乾物質含量Cm以及等效水厚度Cw ； (3)建立目標函數，結合多光譜冠層反射率數據，優化參數，使目標函數得到全局最小值，每次參數優化之後都需要再次執行步驟(2)，直到得到目標函數的全局最小值，得到對應的參數組合，並用多光譜冠層反射率數據對參數進行更新； (4)根據步驟(3)所得到的參數組合、步驟(2)得到的回歸方程以及多光譜冠層反射率數據，即可反演得到葉面積指數LAI和葉綠素含量LCC。
2.根據權利要求I所述的基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，其特徵在於所述的對遙感影像的預處理包括對遙感影像的輻射校正、幾何校正、大氣校正，得到多光譜冠層反射率數據，以及根據已有的土地利用矢量圖、多光譜冠層反射率數據以及物候經驗，利用軟體將植被區域提取出來。
3.根據權利要求I所述的基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，其特徵在於根據所述的五個可變參數建立查找表，即葉面積指數LAI(O. 3-7. 5)、葉綠素含量 LCC (10-90)、結構參數 N (I. 0-2. 5)、乾物質含量 Cm (O. 005-0. 01)、等效水厚度Cw(0. 01-0. 02)，在運用PROSAIL模型建立查找表時，LAI以O. 5的步長共15個作為輸入；LCC以5的步長共17個作為輸入；結構參數N以O. I的步長共16個作為輸入；乾物質含量Cm以O. 005的步長共2個作為輸入；等效水厚度Cw以O. 01的步長共2個作為輸入，共計有16320個參數組合，即可模擬得到16320個不同的多光譜冠層反射率數據；所述的由五個可變參數所建立的查找表可得到不同參數組合下的LAI-P _、LCC-Pg的關係方程，其中P _和Pg分別表示近紅外波段和綠波段的冠層反射率，分析結構參數N與紅波段、綠波段、近紅外波段的相關性，選取相關性最好的建立回歸方程。
4.根據權利要求3所述的基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，其特徵在於建立目標函數，目標函數表達式如下
5.根據權利要求4所述的基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，其特徵在於對參數組合進行預選擇之後，在剩餘的參數組合中，找出使目標函數最小的參數組合，得到的在這個參數組合下的結構參數N與反射率的關係，使用多光譜冠層反射率數據實現對結構參數N的更新；更新完成之後返回步驟(2)開始往下執行，此時結構參數N、乾物質含量Cm、等效水厚度Cw參數的值已確定；當迭代次數在兩次或兩次以上時，判斷當前的目標函數值與之前的目標函數的差的絕對值是否小於閾值ε，若判斷結果為是，則迭代結束，參數選擇使目標函數最小的參數組合，此目標函數即為全局最小值，否則繼續迭代優化參數。
6.根據權利要求5所述的基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，其特徵在於所述閾值ε為O. 5。
7.根據權利要求5所述的基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，其特徵在於根據使目標函數最小的參數組合，找出該參數組合相對應的LAI-P *的回歸方程，再由多光譜冠層反射率數據反演出葉面積指數LAI ;根據該反演出的葉面積指數LAI、使目標函數最小的參數組合，重新運用PROSAIL模型，得到LCC- P g的回歸方程，再由多光譜冠層反射率數據反演出葉綠素含量LCC。
全文摘要
本發明涉及基於遙感影像優化PROSAIL模型參數的葉面積指數和葉綠素含量的反演方法，包括下載遙感影像並對其進行預處理，得到多光譜冠層反射率數據；運用PROSAIL模型，根據不同的參數組合建立查找表，確定不同參數和冠層反射率的關係，即回歸方程；建立目標函數，結合多光譜冠層反射率數據，優化參數，直至得到目標函數的全局最小值及對應的參數組合，並利用多光譜冠層反射率數據對參數進行更新；根據上述所得到的回歸方程、多光譜冠層反射率數據及參數組合，反演得到葉面積指數和葉綠素含量。該方法對傳統方法進行了由點及面的擴展，無需田間觀測數據，有效降低了傳統方法測量葉面積指數和葉綠素含量的成本，提高了反演精度和速度。
文檔編號G01N21/25GK102878957SQ20121036734
公開日2013年1月16日 申請日期2012年9月26日 優先權日2012年9月26日
發明者梁棟, 黃文江, 黃林生, 管青松, 張東彥, 胡根生 申請人:安徽大學