基于优化PROSAIL叶倾角分布函数的玉米LAI反演方法

叶面积指数(LAI)是描述玉米冠层结构的重要参数之一,PROSAIL模型是常用于反演LAI的机理模型,能较为真实地反演植被冠层真实情况,但PROSAIL模型中使用的叶倾角分布函数假定区域内所有作物叶倾角分布是相同的,不能反映玉米植株真实的叶倾角分布情况。本研究以高分一号遥感影像和地基激光雷达点云数据作为数据源,充分利用地基激光雷达(TLS)在获取植被结构参数上的优势,通过体素化的方法对玉米叶片回波点云进行分割,获取每个拟合叶片单元的叶倾角,进而得到玉米植株真实的叶倾角分布,结合椭球分布函数得到玉米精确的叶倾角分布函数,实现对PROSAIL模型中叶倾角分布函数的优化。研究过程中分别基于未改进的PROSAIL模型和经过TLS优化后的PROSAIL模型反演黑龙江825农场主要玉米种植区的LAI。LAI反演结果表明:2种反演方法得到的LAI与实测LAI都具有较好的相关性,决定系数R2分别为0.557 6和0.858 3,模型可信度较高;但基于PROSAIL模型反演所得LAI结果偏低,在利用TLS数据提取叶倾角对模型进行优化后,反演LAI的估算精度由26.53%提高到96.23%。由此可知,通过引入TLS点云数据改进农作物叶倾角分布函数能大幅度提高LAI反演的准确性。     

GNSS双天线结合AHRS测量农田地形

为分析玉米雄穗对冠层可见光、近红外波段辐射传输特征的影响,运用四维轨道塔吊系统获取连续2 a玉米抽穗期的冠层光谱,并在抽穗初期和末期分别进行了3个梯度的剪穗试验,分析玉米抽穗期冠层二向反射率特征以及雄穗干物质含量特征。结果表明：1）比较抽穗期不同时间冠层反射率的模拟值和实测值得出,在抽穗初期实测值高于模拟值,随着生育期的推进,模拟值逐渐高于实测值。但在可见光波段整个抽穗期实测值均高于模拟值,在近红外波段模拟值总体高于实测值。2）分析不同穗梯度冠层二向反射率特征发现,在可见光波段,太阳主平面和垂直太阳主平面方向上,2个散射方向的无穗反射率值在所有观测角度上均最高,1/2穗次之,全穗最低;近红外波段,在太阳主平面方向,3个穗梯度反射率差异不大,但在垂直太阳主平面方向,后向散射方向反射率值总体高于前向散射方向反射率值,且无穗反射率值依然总体高于1/2穗和全穗;在垂直观测条件下得到相同的结果。3）分析PROSAIL模型模拟值和农学参数相关性,得出模拟值与叶绿素含量、叶面积指数在全波段呈显著负相关,无穗实测值和模拟值分别与叶面积指数和叶绿素含量相关性表现一致。4）在玉米整个抽穗期雄穗鲜质量变化差异较大,而干质量变化差异不大。研究可为修正辐射传输模型、提高模拟精度,使之更好地应用于植被理化参数反演提供科学依据。     

基于PROSAIL模型的水稻叶片生物量反演

为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题,利用无人机高光谱遥感平台获取水稻冠层400～1 000 nm的高光谱反射率信息,对PROSAIL模型进行参数敏感性分析,根据分析结果利用连续投影法提取敏感波段,在此基础上,结合PROSAIL作物辐射传输模型与水稻高光谱数据,运用秃鹰算法（BES）对PROSAIl模型的生物量参数进行数值优化,从而快速、精准实现水稻关键生育期的叶片生物量反演。结果显示：运用改进Sobol方法对水稻叶片生物量进行全局敏感性分析,敏感区间为700～1 000 nm。对敏感区间内光谱利用连续投影法提取了750、788、898、940、962、999 nm等6个水稻叶片生物量特征波长。结合PROSAIL模型与BES优化算法,构建了PROSAIL-BES数值优化方法。以水稻特征波段光谱反射率为模型输入,通过PROSAIL-BES数值优化方法对PROSAIL模型参数进行校正,叶片生物量反演结果 R2为0.694,RMSE为0.002。结果表明,与传统机器学习模型的反演结果对比,PROSAIL-BES数值优化方法具有更好的反演精度,在水稻生物量反演领域具有...     

基于PROSAIL结合VMG模型的冬小麦叶面积指数反演方法

针对物理模型抗噪能力差且容易过拟合的问题,提出一种PROSAIL模型结合VMG（VARI（Visible atmospherically resistant index）、MGRVI （Modified green red vegetation index）、GRRI （Green red ratio index））多元回归模型反演冬小麦叶面积指数（Leaf area index,LAI）方法。实验基于无人机影像（Unmanned aerial vehicles,UAV）,选择河南省焦作市东南部的山阳区为实验区,结合实测2个生育期冬小麦LAI数据。首先,构建RGB植被指数模型,选取其中最优VMG模型反演冬小麦LAI;然后,对PROSAIL参数敏感性进行分析,得到参数最优值,反演冬小麦LAI;最后,采用快速模拟退火（Very fast simulated annealing,VFSA）算法将两种模型结合,获得最优冬小麦LAI。结果表明：VFSA可以有效将PROSAIL模型和VMG模型结合,提高了反演精度,且优于VMG模型和PROSAIL模型,决定系数R2高于0.8,均方根误差（RMSE）低于0.4m2/m2。综上所述,冬小麦生长过程中,地面覆盖度增高,本文方法具有较强的辐射传输机理,为LAI反演提供一种有效的反演方法。     

玉米抽穗期雄穗对冠层反射率辐射传输特征的影响

为分析玉米雄穗对冠层可见光、近红外波段辐射传输特征的影响,运用四维轨道塔吊系统获取连续2 a玉米抽穗期的冠层光谱,并在抽穗初期和末期分别进行了3个梯度的剪穗试验,分析玉米抽穗期冠层二向反射率特征以及雄穗干物质含量特征。结果表明：1）比较抽穗期不同时间冠层反射率的模拟值和实测值得出,在抽穗初期实测值高于模拟值,随着生育期的推进,模拟值逐渐高于实测值。但在可见光波段整个抽穗期实测值均高于模拟值,在近红外波段模拟值总体高于实测值。2）分析不同穗梯度冠层二向反射率特征发现,在可见光波段,太阳主平面和垂直太阳主平面方向上,2个散射方向的无穗反射率值在所有观测角度上均最高,1/2穗次之,全穗最低;近红外波段,在太阳主平面方向,3个穗梯度反射率差异不大,但在垂直太阳主平面方向,后向散射方向反射率值总体高于前向散射方向反射率值,且无穗反射率值依然总体高于1/2穗和全穗;在垂直观测条件下得到相同的结果。3）分析PROSAIL模型模拟值和农学参数相关性,得出模拟值与叶绿素含量、叶面积指数在全波段呈显著负相关,无穗实测值和模拟值分别与叶面积指数和叶绿素含量相关性表现一致。4）在玉米整个抽穗期雄穗鲜质量变化差异较大,而干质量变化差异不大。研究可为修正辐射传输模型、提高模拟精度,使之更好地应用于植被理化参数反演提供科学依据。     

基于PROSAIL模型的夏玉米叶绿素含量垂直分层模拟

为了给精准施肥灌溉及病虫害防治等提供基础数据支撑,开展以作物垂直分层叶绿素监测的模拟研究.于2019—2020年进行了不同施氮水平下夏玉米叶绿素含量与光谱反射率监测试验,并模拟了夏玉米叶绿素含量垂直分层规律.结果表明：夏玉米的叶绿素含量随着冠层深度的增加呈侧放的铃形;利用叶绿素最敏感波段699～722 nm的反射率构建夏玉米叶绿素模拟代价函数,实现了基于PROSAIL的夏玉米叶绿素含量垂直分层模拟;综合分析不同生育期各层叶绿素的估算精度,在平均叶绿素模拟相对误差RE控制在45%范围内的基础上,进一步厘清了夏玉米叶绿素垂直分层模拟效果,即第1层叶片在抽雄期与灌浆期、其他层在全生育期模拟的决定系数R²在0.026 0～0.799 3,均方根误差RMSE在2.23～12.13μg/cm²,相对误差在9.67%～98.22%.相关研究结果可为作物叶绿素垂直分层模拟应用提供理论与技术支持.     

High-resolution leaf area index inversion based on the Kernel Ridge Regression algorithm and PROSAIL model北大核心CSCD

Accurate estimation of leaf area index（LAI）plays an important role in ecological，environmental and climate change research. Large-scale LAI estimates can be obtained from satellite remote sensing technology，but they rely on a large amount of ground-measured data with and they have low spatial resolution，which often does not meet the needs of high-precision and large-scale research. In this study，using surface reflectance data with a spatial resolution of 30 m，we tested an inversion method combining the Kernel Ridge Regression（KRR）algorithm and the PROSAIL physical model to invert LAI without a large number of ground measured data. First，the sensitivity analysis was performed on the input parameters of the PROSAIL model to determine the input parameters and generate the simulated data sets. Then，the KRR model inversion between the simulated reflectance and LAI was established. For comparison，we linked two other models，the Multilayer Perceptron（MLP）algorithm and the Random Forest Regression（RFR）algorithm，with the PROSAIL model，to perform high spatial resolution LAI inversion. Finally，we used ground measured data to compare the outputs and performance of the three inversion models. We found that the LAI inversion accuracy of the KRR-PROSAIL model was the highest with an R2 of 0. 8089 and root-mean-square error（RMSE）of 0. 2492. The inversion accuracies of the PROSAIL model linked with MLP and RFR were inferior with R2 values of 0. 7726 and 0. 7118，respectively and RMSE values of 0. 2781 and 0. 2432，respectively. Based on this study we recommend the combination of the Kernel Ridge Regression algorithm and PROSAIL models to invert satellite data to LAI for improved accuracy and high spatial resolution of the inverted LAI data. This methodology provides a method for rapid and accurate inversion of regional high-precision LAI information. © 2022 Editorial Office of Acta Prataculturae Sinica. All rights reserved.