專(zhuān)利名稱(chēng)：基于遙感影像優(yōu)化prosail模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感數(shù)據(jù)的處理和農(nóng)學(xué)技術(shù)領(lǐng)域，尤其是一種基于遙感影像優(yōu)化PR0SAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法。
背景技術(shù)：
葉面積指數(shù)和葉綠素含量是重要的植物學(xué)參數(shù)，在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、產(chǎn)量估算等領(lǐng)域應(yīng)用廣泛。傳統(tǒng)的測(cè)量葉面積指數(shù)和葉綠素含量的方法主要依靠田間取樣和儀器測(cè) 量，這種方法雖然具有較高的準(zhǔn)確性，但其工作量大，且只能獲得地面有限點(diǎn)的葉面積指數(shù)和葉綠素含量，難以獲得大面積的葉面積指數(shù)和葉綠素含量，無(wú)法滿足植被生態(tài)和作物長(zhǎng)勢(shì)監(jiān)測(cè)的需求。遙感技術(shù)具有遙感技術(shù)探測(cè)范圍大，手段多，獲取的信息量大等特點(diǎn)，其發(fā)展和應(yīng)用給大面積反演葉面積指數(shù)和葉綠素含量提供了可能。利用遙感技術(shù)反演葉面積指數(shù)和葉綠素含量的主要方法有經(jīng)驗(yàn)反演法和模型反演法兩種。其中，經(jīng)驗(yàn)反演法主要通過(guò)建立植被指數(shù)與葉面積指數(shù)和葉綠素含量的統(tǒng)計(jì)關(guān)系來(lái)反演葉面積指數(shù)，但由于經(jīng)驗(yàn)反演方法所依據(jù)的物理模型過(guò)于簡(jiǎn)單，植被指數(shù)與葉面積指數(shù)的統(tǒng)計(jì)關(guān)系往往缺乏普適性，反演誤差較大；模型反演方法目前比較常用的模型有幾何光學(xué)模型、輻射傳輸模型以及混合模型，不同模型的側(cè)重點(diǎn)有所不同，它們共同的特點(diǎn)是具有一定的物理基礎(chǔ)，反演更接近于現(xiàn)實(shí)，模型反演所需參數(shù)較多，在已有的模型反演方法中參數(shù)往往選用經(jīng)驗(yàn)值或?qū)崪y(cè)值，缺乏對(duì)參數(shù)的優(yōu)化，代表性較差，給反演帶來(lái)較大誤差，影響反演精度。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種無(wú)需田間觀測(cè)數(shù)據(jù)、成本低、反演精度高、速度快的基于遙感影像優(yōu)化PR0SAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法。為實(shí)現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案一種基于遙感影像優(yōu)化PR0SAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，該方法包括下列順序的步驟(I)下載遙感影像并對(duì)其進(jìn)行預(yù)處理，得到多光譜冠層反射率數(shù)據(jù)；(2)運(yùn)用PR0SAIL模型，根據(jù)不同的參數(shù)組合建立查找表，確定不同參數(shù)和冠層反射率的關(guān)系即回歸方程，所述的參數(shù)是指葉面積指數(shù)LAI、葉綠素含量LCC、結(jié)構(gòu)參數(shù)N、干物質(zhì)含量Cm以及等效水厚度Cw ；(3)建立目標(biāo)函數(shù)，結(jié)合多光譜冠層反射率數(shù)據(jù)，優(yōu)化參數(shù)，使目標(biāo)函數(shù)得到全局最小值，每次參數(shù)優(yōu)化之后都需要再次執(zhí)行步驟(2)，直到得到目標(biāo)函數(shù)的全局最小值，得到對(duì)應(yīng)的參數(shù)組合，并用多光譜冠層反射率數(shù)據(jù)對(duì)參數(shù)進(jìn)行更新；(4)根據(jù)步驟(3)所得到的參數(shù)組合、步驟(2)得到的回歸方程以及多光譜冠層反射率數(shù)據(jù)，即可反演得到葉面積指數(shù)LAI和葉綠素含量LCC。所述的對(duì)遙感影像的預(yù)處理包括對(duì)遙感影像的輻射校正、幾何校正、大氣校正，得到多光譜冠層反射率數(shù)據(jù)，以及根據(jù)已有的土地利用矢量圖、多光譜冠層反射率數(shù)據(jù)以及物候經(jīng)驗(yàn)，利用軟件將植被區(qū)域提取出來(lái)。根據(jù)所述的五個(gè)可變參數(shù)建立查找表，即葉面積指數(shù)LAI (O. 3-7. 5)、葉綠素含量LCC (10-90)、結(jié)構(gòu)參數(shù)N (I. 0-2. 5)、干物質(zhì)含量Cm (O. 005-0. 01 )、等效水厚度Cw(O. 01-0. 02)，在運(yùn)用PR0SAIL模型建立查找表時(shí)，LAI以O(shè). 5的步長(zhǎng)共15個(gè)作為輸入；LCC以5的步長(zhǎng)共17個(gè)作為輸入；結(jié)構(gòu)參數(shù)N以O(shè). I的步長(zhǎng)共16個(gè)作為輸入；干物質(zhì)含量Cm以O(shè). 005的步長(zhǎng)共2個(gè)作為輸入；等效水厚度Cw以O(shè). 01的步長(zhǎng)共2個(gè)作為輸入，共計(jì)有16320個(gè)參數(shù)組合，即可模擬得到16320個(gè)不同的多光譜冠層反射率數(shù)據(jù)；所述的由五個(gè)可變參數(shù)所建立的查找表可得到不同參數(shù)組合下的LAI-P*、LCC-Pg的關(guān)系方程，其中和P 8分別表示近紅外波段和綠波段的冠層反射率，分析結(jié)構(gòu)參數(shù)N與紅波段、綠波段、近紅外波段的相關(guān)性，選取相關(guān)性最好的建立回歸方程。建立目標(biāo)函數(shù)，目標(biāo)函數(shù)表達(dá)式如下
權(quán)利要求
1.一種基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，該方法包括下列順序的步驟 (1)下載遙感影像并對(duì)其進(jìn)行預(yù)處理，得到多光譜冠層反射率數(shù)據(jù)； (2)運(yùn)用PROSAIL模型，根據(jù)不同的參數(shù)組合建立查找表，確定不同參數(shù)和冠層反射率的關(guān)系即回歸方程，所述的參數(shù)是指葉面積指數(shù)LAI、葉綠素含量LCC、結(jié)構(gòu)參數(shù)N、干物質(zhì)含量Cm以及等效水厚度Cw ； (3)建立目標(biāo)函數(shù)，結(jié)合多光譜冠層反射率數(shù)據(jù)，優(yōu)化參數(shù)，使目標(biāo)函數(shù)得到全局最小值，每次參數(shù)優(yōu)化之后都需要再次執(zhí)行步驟(2)，直到得到目標(biāo)函數(shù)的全局最小值，得到對(duì)應(yīng)的參數(shù)組合，并用多光譜冠層反射率數(shù)據(jù)對(duì)參數(shù)進(jìn)行更新； (4)根據(jù)步驟(3)所得到的參數(shù)組合、步驟(2)得到的回歸方程以及多光譜冠層反射率數(shù)據(jù)，即可反演得到葉面積指數(shù)LAI和葉綠素含量LCC。
2.根據(jù)權(quán)利要求I所述的基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，其特征在于所述的對(duì)遙感影像的預(yù)處理包括對(duì)遙感影像的輻射校正、幾何校正、大氣校正，得到多光譜冠層反射率數(shù)據(jù)，以及根據(jù)已有的土地利用矢量圖、多光譜冠層反射率數(shù)據(jù)以及物候經(jīng)驗(yàn)，利用軟件將植被區(qū)域提取出來(lái)。
3.根據(jù)權(quán)利要求I所述的基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，其特征在于根據(jù)所述的五個(gè)可變參數(shù)建立查找表，即葉面積指數(shù)LAI(O. 3-7. 5)、葉綠素含量 LCC (10-90)、結(jié)構(gòu)參數(shù) N (I. 0-2. 5)、干物質(zhì)含量 Cm (O. 005-0. 01)、等效水厚度Cw(0. 01-0. 02)，在運(yùn)用PROSAIL模型建立查找表時(shí)，LAI以O(shè). 5的步長(zhǎng)共15個(gè)作為輸入；LCC以5的步長(zhǎng)共17個(gè)作為輸入；結(jié)構(gòu)參數(shù)N以O(shè). I的步長(zhǎng)共16個(gè)作為輸入；干物質(zhì)含量Cm以O(shè). 005的步長(zhǎng)共2個(gè)作為輸入；等效水厚度Cw以O(shè). 01的步長(zhǎng)共2個(gè)作為輸入，共計(jì)有16320個(gè)參數(shù)組合，即可模擬得到16320個(gè)不同的多光譜冠層反射率數(shù)據(jù)；所述的由五個(gè)可變參數(shù)所建立的查找表可得到不同參數(shù)組合下的LAI-P _、LCC-Pg的關(guān)系方程，其中P _和Pg分別表示近紅外波段和綠波段的冠層反射率，分析結(jié)構(gòu)參數(shù)N與紅波段、綠波段、近紅外波段的相關(guān)性，選取相關(guān)性最好的建立回歸方程。
4.根據(jù)權(quán)利要求3所述的基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，其特征在于建立目標(biāo)函數(shù)，目標(biāo)函數(shù)表達(dá)式如下
5.根據(jù)權(quán)利要求4所述的基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，其特征在于對(duì)參數(shù)組合進(jìn)行預(yù)選擇之后，在剩余的參數(shù)組合中，找出使目標(biāo)函數(shù)最小的參數(shù)組合，得到的在這個(gè)參數(shù)組合下的結(jié)構(gòu)參數(shù)N與反射率的關(guān)系，使用多光譜冠層反射率數(shù)據(jù)實(shí)現(xiàn)對(duì)結(jié)構(gòu)參數(shù)N的更新；更新完成之后返回步驟(2)開(kāi)始往下執(zhí)行，此時(shí)結(jié)構(gòu)參數(shù)N、干物質(zhì)含量Cm、等效水厚度Cw參數(shù)的值已確定；當(dāng)?shù)螖?shù)在兩次或兩次以上時(shí)，判斷當(dāng)前的目標(biāo)函數(shù)值與之前的目標(biāo)函數(shù)的差的絕對(duì)值是否小于閾值ε，若判斷結(jié)果為是，則迭代結(jié)束，參數(shù)選擇使目標(biāo)函數(shù)最小的參數(shù)組合，此目標(biāo)函數(shù)即為全局最小值，否則繼續(xù)迭代優(yōu)化參數(shù)。
6.根據(jù)權(quán)利要求5所述的基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，其特征在于所述閾值ε為O. 5。
7.根據(jù)權(quán)利要求5所述的基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，其特征在于根據(jù)使目標(biāo)函數(shù)最小的參數(shù)組合，找出該參數(shù)組合相對(duì)應(yīng)的LAI-P *的回歸方程，再由多光譜冠層反射率數(shù)據(jù)反演出葉面積指數(shù)LAI ;根據(jù)該反演出的葉面積指數(shù)LAI、使目標(biāo)函數(shù)最小的參數(shù)組合，重新運(yùn)用PROSAIL模型，得到LCC- P g的回歸方程，再由多光譜冠層反射率數(shù)據(jù)反演出葉綠素含量LCC。
全文摘要
本發(fā)明涉及基于遙感影像優(yōu)化PROSAIL模型參數(shù)的葉面積指數(shù)和葉綠素含量的反演方法，包括下載遙感影像并對(duì)其進(jìn)行預(yù)處理，得到多光譜冠層反射率數(shù)據(jù)；運(yùn)用PROSAIL模型，根據(jù)不同的參數(shù)組合建立查找表，確定不同參數(shù)和冠層反射率的關(guān)系，即回歸方程；建立目標(biāo)函數(shù)，結(jié)合多光譜冠層反射率數(shù)據(jù)，優(yōu)化參數(shù)，直至得到目標(biāo)函數(shù)的全局最小值及對(duì)應(yīng)的參數(shù)組合，并利用多光譜冠層反射率數(shù)據(jù)對(duì)參數(shù)進(jìn)行更新；根據(jù)上述所得到的回歸方程、多光譜冠層反射率數(shù)據(jù)及參數(shù)組合，反演得到葉面積指數(shù)和葉綠素含量。該方法對(duì)傳統(tǒng)方法進(jìn)行了由點(diǎn)及面的擴(kuò)展，無(wú)需田間觀測(cè)數(shù)據(jù)，有效降低了傳統(tǒng)方法測(cè)量葉面積指數(shù)和葉綠素含量的成本，提高了反演精度和速度。
文檔編號(hào)G01N21/25GK102878957SQ20121036734
公開(kāi)日2013年1月16日 申請(qǐng)日期2012年9月26日 優(yōu)先權(quán)日2012年9月26日
發(fā)明者梁棟, 黃文江, 黃林生, 管青松, 張東彥, 胡根生 申請(qǐng)人:安徽大學(xué)