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

详细信息   全文下载|推荐本文 |

• 出版年：2010
• 作者：刘洋；刘荣高；刘斯亮；刘纪远；陈仲新；王利民；邹金秋
• 单位1：中国科学院地理科学与资源研究所
• 单位2：中国科学院研究生院
• 出生年：1986
• 学历：博士研究生
• 语种：中文
• 作者关键词：叶面积指数；神经网络；方向反射率；作物；MODIS
• 起始页：426
• 总页数：10
• 经费资助：国家863课题（2007AA12Z158），国家科技支撑计划（2006BAC08B04，2008BAK50B06，2008BAK49B01）。
• 刊名：地球信息科学学报
• 是否内版：否
• 刊频：双月刊
• 创刊时间：1996
• 主管单位：中国科学院
• 主办单位：中国科学院地理科学与资源研究所
• 主编：陈述彭
• 地址：北京大屯路甲11号
• 邮编：100101
• 电子信箱：dqxxkx@igsnrr.ac.cn
• 网址：http://www.dqxxkx.cn
• 卷：12
• 期：3
• 期刊索取号：P626.06 208-1
• 数据库收录：全国中文核心期刊；中国科技核心期刊；中国科学引文数据库源刊
• 核心期刊：全国中文核心期刊；中国科技核心期刊

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MODIS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MODIS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MODIS及CYCLOPESLAI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。