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

• 作者: 刘斯亮 刘洋 刘纪远 刘荣高 王利民 邹金秋 陈仲新
• 来源期刊: 地球信息科学学报
• 学科: 地球科学
• 关键词: 叶面积指数 神经网络 方向反射率 作物 MODIS
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 遥感技术与应用研究
• 页码范围: 426-435
• 分类号: P2
• 语种: 中文

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地表反射率输人训练后的神经网络,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.