基于核岭回归算法的PROSAIL模型反演高空间分辨率叶面积指数

摘要：

准确估算叶面积指数(LAI)在生态、环境和气候变化研究方面具有重要作用.依靠卫星遥感技术能够获取大范围LAI产品,但其空间分辨率较低且依赖大量地面实测数据,难以满足高精度、大范围研究的需求.本研究基于30 m空间分辨率地表反射率数据,在不依赖大量地面实测数据的情况下,提出基于核岭回归算法的PROSAIL物理模型反演LAI,首先对PROSAIL模型的输入参数进行敏感性分析,以确定输入参数并生成模拟数据集,从而建立模拟反射率与LAI之间的核岭回归反演模型,进行高空间分辨率LAI反演,并与基于多层感知机的PROSAIL模型、基于随机森林回归的PROSAIL模型进行对比分析.结果表明:基于核岭回归的PROSAIL模型获得了最高的LAI反演精度,模型决定系数(R2)为0.8089,均方根误差(RMSE)为0.2492,基于多层感知机和随机森林回归的PROSAIL模型反演精度较差,模型R2分别为0.7726和0.7118,RMSE分别为0.2781和0.2432.研究认为基于核岭回归的PROSAIL模型可以有效提升LAI反演精度,为快速准确的区域性高空间分辨率LAI反演提供了技术和方法.

关键词：叶面积指数、核岭回归算法、PROSAIL模型、反演

所属期刊栏目：31

分类号：TP391;TP751.1;P412.25

资助基金：河南省重大科技专项;河南省重大科技专项

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：41-51