| 基于ACRM模型与敏感波段的农作物LAI与LCC反演 |
| |
| 引用本文： | 刘轲,刘泳伶,张敏,刘仕川,任国业,吴文斌,李源洪※,程武学. 基于ACRM模型与敏感波段的农作物LAI与LCC反演[J]. 中国农业信息, 2020, 32(5): 1-10 |
| |
| 作者姓名： | 刘轲 刘泳伶 张敏 刘仕川 任国业 吴文斌 李源洪※ 程武学 |
| |
| 作者单位： | 四川省农业科学院遥感应用研究所/ 农业农村部遥感应用中心成都分中心，成都610066;中国农业科学院农业资源与农业区划研究所/ 农业农村部农业遥感重点实验室，北京 100081;中国农业科学院农业资源与农业区划研究所/ 农业农村部农业遥感重点实验室，北京100081；华中师范大学城市与环境科学学院，湖北武汉430079;四川省农业科学院遥感应用研究所/ 农业农村部遥感应用中心成都分中心，成都 610066;四川师范大学地理与资源科学学院，成都 610101 |
| |
| 基金项目： | 四川省应用基础研究项目“基于互联网+ 多阶段遥感反演的区域水稻参数逐田块监测技术研究”（2017JY0284）；四川省省院省校合作项目“基于大数据机器学习与冠层反射率模型结合的水稻叶面积指数提取技术”（2018JZ0054）；成都市重点研发支撑计划项目“互联网+ 机器学习下的农情遥感监测方法与大数据平台”（2019-YF05-01368-SN）；四川省应用基础研究项目“星机地协同的若尔盖草地鼠害遥感监测研究”（2017JY0155）；四川省财政创新能力提升工程项目“基于冠层反射率模型多阶段反演的逐地块水稻参数采集技术研究”（2017QNJJ-023） |
| |
| 摘 要： | 【目的】面向现代农业生产和管理的数据需求，基于ACRM 冠层反射率模型，探索适于冬小麦叶面积指数（LAI）和叶片叶绿素含量（LCC）反演的波段选择方案。【方法】文章考虑高光谱数据降维和CR 模型模拟误差，选出覆盖蓝、绿、红与近红外的5 个波段（波段选择方案B1），开展LAI 与LCC 同步反演。然后分别选择LAI 和LCC 的敏感波段，开展对应参数的反演试验。【结果】（1）基于B1，能够在多数田块实现较为准确的LAI 与LCC 同步反演（LAI 反演值与实测值间决定系数（R2）为0.860 4，均方根误差（RMSE）为0.963；LCC 反演的R2 为0.814 1，RMSE 为0.069）。（2）仅利用LAI 或LCC 敏感波段反演结果的R2与RMSE 同时略有升高，但与基于B1 的反演结果相比，无明显差异。【结论】通过该研究与利用相同数据的前期研究对比发现，旨在高光谱数据降维与限制CR 模型模拟误差的波段选择，对LAI 反演精度改进作用较为显著。相较而言，仅选用单一目标参数（LAI 或LCC）的敏感波段，对反演精度改进并不明显。由此，一方面证实了常规反演方法与面向对象反演法不强调选用单一目标参数敏感波段的合理性；另一方面，并不否定多阶段目标决策（MSDT）反演法以及一些相关研究提出的，仅采用单一目标参数敏感波段来开展反演的合理性。
|
| 关 键 词： | 叶面积指数；叶片叶绿素含量；冠层反射率模型；遥感反演；波段选择 |
| 收稿时间： | 2020-10-01 |
Retrieving crop LAI and LCC based on their sensitive bands usingthe ACRM model |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
|
点击此处可从《中国农业信息》下载全文 |
