基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例

• 作者: 孙云晓 孙震辉 孟庆岩 张琳琳 陆坤
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 植被指数 神经网络 叶面积指数(LAI) 反演方法 精度验证
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 技术应用
• 页码范围: 196-202
• 页数: 7页
• 分类号: TP79
• 字数: 6307字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2018.01.27

摘要

叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数.高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值.以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演.研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.7193和0.3936;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.9008和0.2732.基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟庆岩	中国科学院遥感与数字地球研究所	49	385	12.0	17.0
2	张琳琳	中国科学院遥感与数字地球研究所	23	155	6.0	12.0
6	孙云晓	中国科学院遥感与数字地球研究所	9	66	5.0	8.0
10	孙震辉	中国科学院遥感与数字地球研究所	5	27	3.0	5.0
14	陆坤	山东科技大学测绘科学与工程学院	2	6	2.0	2.0