冬小麦叶面积指数高光谱遥感反演方法对比.pdfVIP

第29 卷 第3 期 农 业 工 程 学 报 Vol.29 No.3 2013 年 2 月 Transactions of the Chinese Society of Agricultural Engineering Feb. 2013 139 冬小麦叶面积指数高光谱遥感反演方法对比 1,2 1,2 1,2※ 3 夏 天 ，吴文斌 ，周清波 ，周 勇 （1. 农业部农业信息技术重点实验室，北京 100081； 2. 中国农业科学院农业资源与农业区划研究所，北京 100081； 3. 华中师范大学城市与环境科学学院，武汉 430079 ） 摘 要：冬小麦叶面积指数 （LAI, leaf area index ）是评价其长势和预测产量的重要农学参数，高光谱遥感能够实 现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合，探索研究不同冬小麦叶面积指数高光 谱反演方法的模拟精度及适应性。针对国际上普遍应用的2 种高光谱遥感反演LAI 模型方法，即回归分析法和BP 神经网络法，在介绍2 种LAI 反演模型的基础上，选择位于黄淮海平原的山东省济南市长清区为研究区域，通过 ASD 地物光谱仪和SunScan 冠层分析系统对冬小麦的冠层光谱及LAI 变化进行田间观测，然后利用回归分析法和 BP 神经网络法构建冬小麦LAI 反演模型，将模型估算LAI 值和田间观测LAI 值进行比对，分析评价2 种方法的 反演精度。结果表明，BP 神经网络法较回归分析法估算冬小麦LAI 的精度有较大提高，检验方程的决定系数（R2 ） 为0.990、均方根误差 （RMSE ）为0.105 。利用BP 神经网络法构建反演模型能较好的对冬小麦LAI 进行反演。 研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持，并为大尺度传感器监测冬小麦长势和估产提供 参考。 关键词：遥感，回归分析，神经网络，估算，LAI ，冬小麦，反演方法 doi ：10.3969/j.issn.1002-6819.2013.03.019 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2013)-03-0139-09 夏 天，吴文斌，周清波，等. 冬小麦叶面积指数高光谱遥感反演方法对比[J]. 农业工程学报，2013，29(3)： 139－147. Xia Tian, Wu Wenbin, Zhou Qingbo, et al. Comparison of two inversion methods for winter wheat leaf area index based on hyperspectral remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 20 13, 29(3): 139－147. (in Chinese with English abstract) index ）与LAI 参数的函数关系，利用回归分析法进 0 引 言 [4-8] 行 LAI 参数反演 ；部分学者通过改进植被指数 叶面积指数 （LAI, leaf area index ）是指单位面 来构建回归模型，以期提高模型估算作物LAI 的精 [1] [9-12] 积上植物叶