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

被引：15

作者：

刘洋 ^{[1
,2
]}

刘荣高 ^{[1
,2
]}

刘斯亮 ^{[1
,2
]}

刘纪远 ^{[1
]}

陈仲新 ^{[3
]}

王利民 ^{[3
]}

邹金秋 ^{[3
]}

机构：

[1] 中国科学院地理科学与资源研究所

[2] 中国科学院研究生院

[3] 中国农业科学院农业资源与农业区划研究所

来源：

地球信息科学学报 | 2010年 / 12卷 / 03期

关键词：

叶面积指数; 神经网络; 方向反射率; 作物; MODIS;

D O I：

暂无

中图分类号：

TP79 [遥感技术的应用];

学科分类号：

081102 ; 0816 ; 081602 ; 083002 ; 1404 ;

摘要：

叶面积指数(LAI)是估算作物生长的关键参数。基于物理模型的LAI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LAI。(1)利用4-scale模型模拟不同LAI与地表反射率的关系,生成训练数据;(2)利用模型模拟的LAI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LAI。估算的LAI与其他LAI产品进行了比较,结果表明,估算的作物LAI和MOD IS及CYCLOPES LAI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LAI地面观测数据进行了直接验证,估算的LAI与研究区地表植被分布一致,但是,三种卫星LAI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。

引用

页码：426 / 435

页数：10

共 7 条

[1] Performances of neural networks for deriving LAI estimates from existing CYCLOPES and MODIS products [J].

Verger, A. ;

Baret, F. ;

Weiss, M. .

REMOTE SENSING OF ENVIRONMENT, 2008, 112 (06) :2789-2803

[2]

LAI and fAPAR CYCLOPES global products derived from VEGETATION. Part 2: validation and comparison with MODIS collection 4 products[J] . Marie Weiss,Frédéric Baret,Sébastien Garrigues,Roselyne Lacaze.Remote Sensing of Environment . 2007 (3)

[3]

Neural network estimation of LAI , fAPAR , fCover and LAI × C ab , from top of canopy MERIS reflectance data: Principles and validation[J] . C. Bacour,F. Baret,D. Béal,M. Weiss,K. Pavageau.Remote Sensing of Environment . 2006 (4)

[4] An interpolation procedure for generalizing a look-up table inversion method [J].

Gastellu-Etchegorry, JP ;

Gascon, F ;

Estève, P .

REMOTE SENSING OF ENVIRONMENT, 2003, 87 (01) :55-71

[5]

Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data[J] . R.B Myneni,S Hoffman,Y Knyazikhin,J.L Privette,J Glassy,Y Tian,Y Wang,X Song,Y Zhang,G.R Smith,A Lotsch,M Friedl,J.T Morisette,P Votava,R.R Nemani,S.W Running.Remote Sensing of Environment . 2002 (1)

[6] Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements [J].

Chen, JM ;

Pavlic, G ;

Brown, L ;

Cihlar, J ;

Leblanc, SG ;

White, HP ;

Hall, RJ ;

Peddle, DR ;

King, DJ ;

Trofymow, JA ;

Swift, E ;

Van der Sanden, J ;

Pellikka, PKE .

REMOTE SENSING OF ENVIRONMENT, 2002, 80 (01) :165-184

[7]

Algorithm for globalleaf area index retrieval using satellite imagery .2 Deng F,Chen J M,Plummer S,et al. IEEETransactions on geoscience and remote sensing . 2006

← 1 →