融合遥感先验信息的叶面积指数反演

• 作者: 徐卫星 李爱农 薛华柱 靳华安
• 来源期刊: 遥感技术与应用
• 学科: 地球科学
• 关键词: 叶面积指数 遥感反演 先验信息 MODIS
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 模型与反演
• 页码范围: 1235-1244
• 页数: 10页
• 分类号: P237|Q948.1
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.6.1235

摘要

借助植被辐射传输模型,利用遥感观测数据估算LAI是一种较为可靠和稳健的反演方法.然而,地表的复杂性、遥感观测的有限性以及自相关性导致遥感数据包含的信息量不足,不能完全支持LAI等地表参数的估算,易造成"病态"反演.在遥感反演过程中引入先验知识能够有效地解决该问题.研究基于遥感数据提取LAI先验信息,并将其用于代价函数的构建,利用PROSAIL辐射传输模型和遗传算法,分别在500 m和250 m尺度反演LAI.将高空间分辨率LAI分别升尺度到500 m和250 m,验证对应尺度LAI结果,评价引入先验信息对于提高LAI反演精度的作用.研究表明,引入先验信息有助于提高不同分辨率下LAI反演精度,且先验信息的质量一定程度上也影响着LAI反演结果.与未加入先验信息的LAI反演结果相比,以MODIS LAI产品作为先验信息反演的500 m尺度LAI结果精度R2由0.55提高至0.65,RMSE由1.29下降至0.38.在250 m尺度,以500 m LAI反演结果作为先验信息反演的叶面积指数,其精度优于以MODIS LAI产品为先验知识的估算结果,验证精度R2增加了0.08,RMSE减少了0.18.研究使用的先验信息主要来自遥感数据本身,没有地面实测数据的参与,在此基础上发展的多分辨率LAI反演方法具有估算大区域尺度LAI的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛华柱	河南理工大学测绘与国土信息工程学院	13	124	7.0	11.0
2	李爱农	中国科学院水利部成都山地灾害与环境研究所	57	1025	17.0	31.0
3	徐卫星	河南理工大学测绘与国土信息工程学院	1	0	0.0	0.0
7	靳华安	中国科学院水利部成都山地灾害与环境研究所	11	102	5.0	10.0