一种基于高光谱遥感数据的植被LAI反演算法.pdf

2016 年 11 月 地理空间信息 Nov.,2016 第 14 卷第 11 期 GEOSPATIAL INFORMATION Vol.14,No.11 doi:10.3969/j.issn.1672-4623.2016.11.026 一种基于高光谱遥感数据的植被LAI反演算法 1 2 3 王宝水 ，刘  旭 ，杨红军 （1. 江阴市城市规划信息咨询中心，江苏 江阴 2144331 ；2. 徐州市贾汪区国土资源局，江苏 徐州 221011 ； 3. 江苏省地质测绘院，江苏 南京 210008） 摘  要：针对高光谱遥感数据反演叶面积指数（LAI）的问题，提出了基于主成分变换（PCA）的综合反演算法。研究表明，利 用变换后的高光谱数据建立的神经网络反演模型具有更好的泛化性，提高了实测数据的反演稳定性和精度，同时加快了反演速度。 关键词：PCA ；神经网络 ；PROSAIL 模型 ；LAI 中图分类号：P237 文献标志码：B 文章编号：1672-4623（2016）11-0072-02 叶面积指数（LAI）是描述植被冠层结构的重要参 征提取方法，由于主成分实际上相当于对原始数据进 数之一 [1] 。作为反映农作物长势和农作物估产的重要 行了一次加权求和运算，因此，对高光谱遥感数据进 参量，如何快速、有效、准确地获取 LAI 信息已成为 行 PCA，利用变换后的数据训练神经网络，可降低神 当前遥感应用的重要研究内容 [2] 。LAI 的反演方法主要 经网络模型对训练数据的敏感性，增强神经网络的泛 有经验模型法、物理模型法和综合反演法等。经验模 化能力，进而提高反演精度。 型法通常是在光谱和相关生化参量之间建立回归经验 1  PROSAIL模型简介与数据准备 模型，是目前较为常用的一种方法 ；物理模型法是以 物理辐射传输模型为基础的参数反演，理论基础完善， 1.1  PROSAIL模型简介 具有明确的物理意义 ；综合反演法是利用物理模型模 植被辐射传输模型 PROSAIL 是由叶片光学特性模 拟的大量样本数据，结合神经网络、投影追踪和回归 型 PROSPECT 和冠层反射模型 SAIL 耦合而成 [6] ，已 树等方法建立反演模型，从而实现反演。研究表明， 广泛应用于植被生化组分提取、冠层结构估计等多个 综合反演法具有反演速度快、无需设置参数初值、保 方面。PROSPECT 模型是一个用于计算叶片反射率 证反演收敛等优点，已成为多种卫星遥感产品的实用 ρ τ （ ）和 透射 率 （ ）的辐射传输模型，由 Jacquemoud l l 反演算法。 和 Baret 等首先提出 [7] 。SAIL 模型是用于计算植被冠层 在综合反演法中，将 BP 神经网络和 PROSAIL 模 ρ λ 二向反射率 ( ) 的辐射传输模型，由 Verhoef 在 Suit 模 型相结合的 LAI 反演方法是一种常用的反演策略