基于物理模型训练神经网络的作物叶面积指数遥感反演的研究.pdfVIP

第 12卷 第 3期 地 球 信 息 科 学 学 报 Vo l12 ,No3 2010年 6月 JOURNAL OF GEO IN FORMA TION SC IENCE Jun, 20 10 基于物理模型训练神经网络的作物叶面积 指数遥感反演研究 1, 2 1, 2 1, 2 1 3 3 3 刘 　洋 ,刘荣高 ,刘斯亮 ,刘纪远 ,陈仲新 ,王利民 ,邹金秋 ( 1. 中国科学院地理科学与资源研究所 ,北京 100 101; 2. 中国科学院研究生院 ,北京 100049; 3. 中国农业科学院农业资源与农业区划研究所 ,北京 100081) ( ) 摘要 : 叶面积指数 LA I 是估算作物生长的关键参数 。基于物理模型的 LA I反演 ,被认为是当前最为可靠的方法 , 但其反演复杂 。本文提出了将物理模型和神经网络相结合 ,从地表反射率反演叶面积指数的算法 ,利用 MOD IS地 ( ) 表反射率和 4 scale模型反演作物 LA I。 1 利用 4scale模型模拟不同 LA I与地表反射率的关系 ,生成训练数据 ; ( ) ( ) 2 利用模型模拟的 LA I训练神经网络 ; 3 以 MOD IS地表反射率输入训练后的神经网络 ,反演 LA I。估算的 LA I 与其他 LA I产品进行了比较 ,结果表明 ,估算的作物 LA I和 MOD IS及 CYCLOPES LA I产品空间和时间分布一致 ,均 方根误差分别为 0. 4994 和 0. 6558。以 2004年衡水的作物 LA I地面观测数据进行了直接验证 ,估算的 LA I与研究 区地表植被分布一致 ,但是 ,三种卫星 LA I产品都小于地表测量 ,故需针对华北平原浓密作物设计模型参数化方案 。 关键词 : 叶面积指数 ;神经网络 ;方向反射率 ;作物 ;MOD IS 1　引言 射率表示为冠层、叶片和土壤背景特征的函数 。几何 光学模型基于景合成模型 ,将植被用具有一定几何形 ( ) 状和光学性质 、按一定方式排列的几何体来表征 ,从 叶面积指数 L eaf A rea Index, LA I 通常定义为 单位地表面积上绿叶表面积总和的一半[ 1 ] ,是地表 几何光学的角度模拟光子在冠层中的传输过程 。在 - 大气物质、能量和动量交换的重要因子 。作为定量 给定植被 、背景 ,以及大气状况时 ,利用一定数量的卫 分析植被生长动态生物物理过程的一个重要植被结 星观测反射率及相应角度等参数 ,就可以实现模型参 构参数 ,LA I是大多数气候、水文 、生物地球化学和生 数反演 ,获得 LA I等冠层生物物理参数 。物理模型 态系统模型的关键输入参数 ,大面积植被 LA I及时 方法以物理光学为基础 ,具有普适性 ,是反演大面积 获取 ,对于全球碳循环和气候变化研究至关重要 [ 2 ] 。 LA I的唯一可行方法 [ 3 ] 。 遥感技术为地表参数的大面积分布状况提供了 由于物理模型的复杂性 ,模型直接反演需要消 稳定的动态监测工具 。通过遥感反演 LA I主要