冬小麦叶面积指数高光谱遥感反演方法对比

摘要：

冬小麦叶面积指数(LAI, leaf area index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数.该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性.针对国际上普遍应用的2种高光谱遥感反演 LAI 模型方法,即回归分析法和 BP神经网络法,在介绍2种 LAI 反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD 地物光谱仪和 SunScan 冠层分析系统对冬小麦的冠层光谱及 LAI 变化进行田间观测,然后利用回归分析法和BP 神经网络法构建冬小麦 LAI 反演模型,将模型估算 LAI 值和田间观测 LAI 值进行比对,分析评价2种方法的反演精度.结果表明,BP 神经网络法较回归分析法估算冬小麦 LAI 的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105.利用 BP 神经网络法构建反演模型能较好的对冬小麦 LAI 进行反演.研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考.

关键词：遥感、回归分析、神经网络、估算、LAI、冬小麦、反演方法

分类号：S127(农业物理学)

在线出版日期：2013-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：139-147