The invention discloses an inversion method of crop leaf area index, which includes: S1, acquiring full polarization radar image of research area; S2, obtaining compact polarization data from full polarization radar image simulation of S1. Compact polarization radar data are simulated by full polarization radar graphics, polarization decomposition of compact polarization data in S2 is carried out in S3, and compact polarization parameter images with different physical meanings are obtained. S6, the prediction value of leaf area index of winter wheat is obtained by using nonlinear genetic partial least squares regression method. The invention provides a scheme for extracting compact polarization SAR parameters highly related to crop leaf area index parameters. For the first time, the GA PLS method is introduced into the information analysis of compact polarization radar remote sensing, avoiding the complicated physical process analysis in the earlier stage, and reducing the human error. The invention provides a technical scheme for inversion of leaf area index of crop critical growth period based on novel compact polarization SAR data.
【技术实现步骤摘要】
一种作物的叶面积指数反演方法
本专利技术涉及遥感技术,更具体地的,涉及作物的叶面积指数反演技术。
技术介绍
叶面积指数(LeafAreaIndex,LAI)是植被冠层结构密切相关的基本参数,在农业研究中,直接关系到作物长势、生长期次和产量。它是一个很好的作物发育和健康指标,也被用作许多作物生长和产量预测模型的输入变量。它是评价农业生态系统生理和生态生理过程的重要参数,在区域和国家尺度上监测作物生长和预测产量具有重要作用。遥感技术在获取地面信息方面具有周期性观测和大面积覆盖的特点。在农业资源监测中发挥着重要作用。它能够在空间和时间上捕捉陆地植被关键生物物理参数的分布信息。因此,它可以提供一个切实可行的方法来观测宏观尺度上的叶面积指数。目前,光学遥感是监测作物生长参数的主要手段,应用光学遥感数据进行作物长势监测己经形成了一套比较成熟的技术方法,其精度己达到较高水平。但是,在我国北方旱地秋收作物生长关键期,云雨天气影响较大,无法及时、有效地获取完整、连续的光学遥感观测数据,因此利用雷达遥感进行旱地作物的监测研究非常必要。合成孔径雷达(SyntheticApertureRadar,SAR)的出现,使农作物监测不受云、雾、雨的影响,保证了数据获取与当地天气的独立性,并且微波遥感探测植被信息时,可获得与光学传感器完全不同的信息。基于此,许多学者进行了大量的实验研究,来探讨SAR对作物LAI的敏感性。极化是电磁波的一种电场特性,不同的散射体散射的雷达波包含了不同的极化信息,描述了不同的物理散射过程。极化雷达的发展经历了从单极化到双极化再到全极化的过程,而全极化数据提供了 ...
【技术保护点】
1.一种作物的叶面积指数反演方法,其特征在于,包括:S1,获取研究区全极化雷达图像;S2,从S1中的全极化雷达图像模拟得到紧致极化数据。利用全极化雷达图形,模拟得到紧致极化雷达数据;S3,对S2中的紧致极化数据进行极化分解,得到具有不同物理意义的紧致极化参数图像;S6,进行非线性遗传‑偏最小二乘回归方法建模,得到冬小麦叶面积指数的预测值。
【技术特征摘要】
1.一种作物的叶面积指数反演方法,其特征在于,包括:S1,获取研究区全极化雷达图像;S2,从S1中的全极化雷达图像模拟得到紧致极化数据。利用全极化雷达图形,模拟得到紧致极化雷达数据;S3,对S2中的紧致极化数据进行极化分解,得到具有不同物理意义的紧致极化参数图像;S6,进行非线性遗传-偏最小二乘回归方法建模,得到冬小麦叶面积指数的预测值。2.根据权利要求1所述的作物的叶面积指数反演方法,其特征在于,在步骤S3中,所述紧致极化参数包括:Raney_Rnd,Raney_Dbl,RV,RR,RL,RH,Raney_Odd,p2,p1,l2,l1,Contrast,LPR,H,DoLP,DoCP,CPR,A和Raney_m。3.根据权利要求1所述的作物的叶面积指数反演方法,其特征在于,在步骤S3和S5之间还包括:S4,对S3中得到的紧致极化参数图像进行预处理,紧致极化参数图像的预处理包括:S41,对所有紧致极化参数图像进行几何校正;以及S42,基于S41中得到的紧致极化参数图像,在图像上读取各个采样点的紧致极化参数值。4.根据权利要求3所述的作物的叶面积指数反演方法,其特征在于,在S42中,在采样点附近划定一个小区域,取该区域紧致极化参数的平均值作为该采样点的紧致极化参数值。5.根据权利要求1所述的作物的叶面积指数反演方法,其特征在于,步骤S6包括:S61,利用非线性遗传算法筛选出与研究区特征参数最为相关的几个紧致极化参数;S62,基于S61中选择的极化参数数据,用偏最小二乘回归方法建立反演模型,得到冬小麦叶面积指数的预测值。6.根据权利要求5所述的作物的叶面积指数反演方法,其...
【专利技术属性】
技术研发人员:刘长安,陈仲新,李冰艳,吴尚蓉,李贺,
申请(专利权)人:中国农业科学院农业资源与农业区划研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。