基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法技术

本发明专利技术涉及基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，包括：下载遥感影像并对其进行预处理，得到多光谱冠层反射率数据；运用PROSAIL模型，根据不同的参数组合建立查找表，确定不同参数和冠层反射率的关系，即回归方程；建立目标函数，结合多光谱冠层反射率数据，优化参数，直至得到目标函数的全局最小值及对应的参数组合，并利用多光谱冠层反射率数据对参数进行更新；根据上述所得到的回归方程、多光谱冠层反射率数据及参数组合，反演得到叶面积指数和叶绿素含量。该方法对传统方法进行了由点及面的扩展，无需田间观测数据，有效降低了传统方法测量叶面积指数和叶绿素含量的成本，提高了反演精度和速度。

【技术实现步骤摘要】

本专利技术涉及遥感数据的处理和农学
，尤其是一种基于遥感影像优化PR0SAIL模型参数的叶面积指数和叶绿素含量的反演方法。
技术介绍
叶面积指数和叶绿素含量是重要的植物学参数，在农作物长势监测、产量估算等领域应用广泛。传统的测量叶面积指数和叶绿素含量的方法主要依靠田间取样和仪器测 量，这种方法虽然具有较高的准确性，但其工作量大，且只能获得地面有限点的叶面积指数和叶绿素含量，难以获得大面积的叶面积指数和叶绿素含量，无法满足植被生态和作物长势监测的需求。遥感技术具有遥感技术探测范围大，手段多，获取的信息量大等特点，其发展和应用给大面积反演叶面积指数和叶绿素含量提供了可能。利用遥感技术反演叶面积指数和叶绿素含量的主要方法有经验反演法和模型反演法两种。其中，经验反演法主要通过建立植被指数与叶面积指数和叶绿素含量的统计关系来反演叶面积指数，但由于经验反演方法所依据的物理模型过于简单，植被指数与叶面积指数的统计关系往往缺乏普适性，反演误差较大；模型反演方法目前比较常用的模型有几何光学模型、辐射传输模型以及混合模型，不同模型的侧重点有所不同，它们共同的特点是具有一定的物理基础，反演更接近于现实，模型反演所需参数较多，在已有的模型反演方法中参数往往选用经验值或实测值，缺乏对参数的优化，代表性较差，给反演带来较大误差，影响反演精度。
技术实现思路
本专利技术的目的在于提供一种无需田间观测数据、成本低、反演精度高、速度快的基于遥感影像优化PR0SAIL模型参数的叶面积指数和叶绿素含量的反演方法。为实现上述目的，本专利技术采用了以下技术方案一种基于遥感影像优化PR0SAIL模型参数的叶面积指数和叶绿素含量的反演方法，该方法包括下列顺序的步骤(I)下载遥感影像并对其进行预处理，得到多光谱冠层反射率数据；(2)运用PR0SAIL模型，根据不同的参数组合建立查找表，确定不同参数和冠层反射率的关系即回归方程，所述的参数是指叶面积指数LAI、叶绿素含量LCC、结构参数N、干物质含量Cm以及等效水厚度Cw ；(3)建立目标函数，结合多光谱冠层反射率数据，优化参数，使目标函数得到全局最小值，每次参数优化之后都需要再次执行步骤(2)，直到得到目标函数的全局最小值，得到对应的参数组合，并用多光谱冠层反射率数据对参数进行更新；(4)根据步骤(3)所得到的参数组合、步骤(2)得到的回归方程以及多光谱冠层反射率数据，即可反演得到叶面积指数LAI和叶绿素含量LCC。所述的对遥感影像的预处理包括对遥感影像的辐射校正、几何校正、大气校正，得到多光谱冠层反射率数据，以及根据已有的土地利用矢量图、多光谱冠层反射率数据以及物候经验，利用软件将植被区域提取出来。根据所述的五个可变参数建立查找表，即叶面积指数LAI (O. 3-7. 5)、叶绿素含量LCC (10-90)、结构参数N (I. 0-2. 5)、干物质含量Cm (O. 005-0. 01 )、等效水厚度Cw(O. 01-0. 02)，在运用PR0SAIL模型建立查找表时，LAI以O. 5的步长共15个作为输入；LCC以5的步长共17个作为输入；结构参数N以O. I的步长共16个作为输入；干物质含量Cm以O. 005的步长共2个作为输入；等效水厚度Cw以O. 01的步长共2个作为输入，共计有16320个参数组合，即可模拟得到16320个不同的多光谱冠层反射率数据；所述的由五个可变参数所建立的查找表可得到不同参数组合下的LAI-P*、LCC-Pg的关系方程，其中和P 8分别表示近红外波段和绿波段的冠层反射率，分析结构参数N与红波段、绿波段、近红外波段的相关性，选取相关性最好的建立回归方程。建立目标函数，目标函数表达式如下权利要求1.一种基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，该方法包括下列顺序的步骤 (1)下载遥感影像并对其进行预处理，得到多光谱冠层反射率数据； (2)运用PROSAIL模型，根据不同的参数组合建立查找表，确定不同参数和冠层反射率的关系即回归方程，所述的参数是指叶面积指数LAI、叶绿素含量LCC、结构参数N、干物质含量Cm以及等效水厚度Cw ； (3)建立目标函数，结合多光谱冠层反射率数据，优化参数，使目标函数得到全局最小值，每次参数优化之后都需要再次执行步骤(2)，直到得到目标函数的全局最小值，得到对应的参数组合，并用多光谱冠层反射率数据对参数进行更新； (4)根据步骤(3)所得到的参数组合、步骤(2)得到的回归方程以及多光谱冠层反射率数据，即可反演得到叶面积指数LAI和叶绿素含量LCC。2.根据权利要求I所述的基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，其特征在于所述的对遥感影像的预处理包括对遥感影像的辐射校正、几何校正、大气校正，得到多光谱冠层反射率数据，以及根据已有的土地利用矢量图、多光谱冠层反射率数据以及物候经验，利用软件将植被区域提取出来。3.根据权利要求I所述的基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，其特征在于根据所述的五个可变参数建立查找表，即叶面积指数LAI(O. 3-7. 5)、叶绿素含量 LCC (10-90)、结构参数 N (I. 0-2. 5)、干物质含量 Cm (O. 005-0. 01)、等效水厚度Cw(0. 01-0. 02)，在运用PROSAIL模型建立查找表时，LAI以O. 5的步长共15个作为输入；LCC以5的步长共17个作为输入；结构参数N以O. I的步长共16个作为输入；干物质含量Cm以O. 005的步长共2个作为输入；等效水厚度Cw以O. 01的步长共2个作为输入，共计有16320个参数组合，即可模拟得到16320个不同的多光谱冠层反射率数据；所述的由五个可变参数所建立的查找表可得到不同参数组合下的LAI-P _、LCC-Pg的关系方程，其中P _和Pg分别表示近红外波段和绿波段的冠层反射率，分析结构参数N与红波段、绿波段、近红外波段的相关性，选取相关性最好的建立回归方程。4.根据权利要求3所述的基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，其特征在于建立目标函数，目标函数表达式如下5.根据权利要求4所述的基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，其特征在于对参数组合进行预选择之后，在剩余的参数组合中，找出使目标函数最小的参数组合，得到的在这个参数组合下的结构参数N与反射率的关系，使用多光谱冠层反射率数据实现对结构参数N的更新；更新完成之后返回步骤(2)开始往下执行，此时结构参数N、干物质含量Cm、等效水厚度Cw参数的值已确定；当迭代次数在两次或两次以上时，判断当前的目标函数值与之前的目标函数的差的绝对值是否小于阈值ε，若判断结果为是，则迭代结束，参数选择使目标函数最小的参数组合，此目标函数即为全局最小值，否则继续迭代优化参数。6.根据权利要求5所述的基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，其特征在于所述阈值ε为O. 5。7.根据权利要求5所述的基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，其特征在于根据使目标函数本文档来自技高网...

【技术保护点】
一种基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，该方法包括下列顺序的步骤：（1）下载遥感影像并对其进行预处理，得到多光谱冠层反射率数据；（2）运用PROSAIL模型，根据不同的参数组合建立查找表，确定不同参数和冠层反射率的关系即回归方程，所述的参数是指叶面积指数LAI、叶绿素含量LCC、结构参数N、干物质含量Cm以及等效水厚度CW；（3）建立目标函数，结合多光谱冠层反射率数据，优化参数，使目标函数得到全局最小值，每次参数优化之后都需要再次执行步骤（2），直到得到目标函数的全局最小值，得到对应的参数组合，并用多光谱冠层反射率数据对参数进行更新；（4）根据步骤（3）所得到的参数组合、步骤（2）得到的回归方程以及多光谱冠层反射率数据，即可反演得到叶面积指数LAI和叶绿素含量LCC。

【技术特征摘要】

【专利技术属性】
技术研发人员：梁栋，黄文江，黄林生，管青松，张东彦，胡根生，
申请(专利权)人：安徽大学，
类型：发明
国别省市：