基于高光谱遥感的农作物叶面积指数反演方法的分析与比较.doc

1、1基于高光谱遥感的农作物叶面积指数反演方法的分析与比较摘要：高光谱遥感技术作为反演农作物叶面积指数（LAI）的一个有力工具，近几年来已经越来越被国内外学者所重视。本文比较系统地总结了利用高光谱遥感反演 LAI 值的一般方法，即包括试验田建立、光谱数据采集、LAI 值测定、HVI 值计算、反演模型的生成五个步骤。总结出了一些常见农作物的最佳的 LAI 值定量反演模型，便于今后相关研究时查阅。 关键词：高光谱遥感；叶面积指数（LAI） ；反演模型 Abstract: High spectrum remote sensing technology as the inversion of crop l

2、eaf area index ( LAI ) are a powerful tool, in recent years it has been pay more and more attention of both domestic and foreign scholars. The paper systematically summed up the use of hyperspectral remote sensing inversion of LAI value general methods, including experimental field establishment, da

3、ta acquisition, LAI value, HVI value calculation, determination of inversion model is generated in five steps. Summarizes some common crop optimal LAI value quantitative inversion model for future related research, consulting. 2Key words: remote sensing; leaf area index (LAI); inversion model 中图分类号：

4、S127 文献标识码：A 文章编号： 引言 遥感技术是指远距离、 在不直接接触目标物体情况下,通过接收目标物体反射或辐射的电磁波,探测地物波谱信息,并获取目标地物的光谱数据与图像,从而实现对地物的定位、 定性或定量的描述。随着遥感技术的不断发展，遥感传感器的数据获取技术趋向于“三多”和“三高”方向发展， “三多”是指多平台、多传感器、多角度获得遥感数据；“三高”则指高空间分辨率、高光谱分辨率和高时相分辨率遥感数据的获取1。 现代遥感技术应用于农业生产已经有 20 多年的历史,该技术在作物认别、 面积计算、作物长势监测、灾害评估和产量估计等方面取得了重大成绩。高光谱遥感是高光谱分辨率遥感（(Hy

5、per spectral Remote Sensing）的简称，是指利用高光谱传感器以高光谱分辨率获取连续的地物光谱图像的遥感技术，这里的高光谱分辨率是指传感器用于探测地物的电磁波总波段宽度较宽（如 MODIS 传感器达到了 0.414.5um） 、波段数较多（如美国 Analytical Spectral Devic 公司生产的 FieldSpec Pro FR2500 型背挂式野外高光谱辐射仪输出波段数多达 2150 个） 、每个子波段的波段宽度较窄（如 MODIS 传感器的最小子波段宽度为 510nm）2。高光谱遥感与常规遥感的区别在于常规遥感又称宽波段遥感, 每个子波3段的波段宽度一般

6、为 100 nm,且波段在波谱上不连续,并不完全覆盖整个可见光至红外光 (0.42.4m)光谱范围3。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质在高光谱遥感中能被探测到。 目前，国内外在利用高光谱遥感手段反演植物的绿色叶面积指数，进而控制精准农业生产的技术方面有很多的研究。植物的绿色叶面积指数（LAI）是表征植被光合面积大小和冠层结构的重要参数。它参与许多生物和物理过程，与植物的呼吸蒸腾、太阳光吸收、通风透光、雨水的吸收等密切相关，同时还是作物生产中判断作物长势优劣的重要参数。因此，实时、动态监测作物 LAI 值状况具有重要意义。而高光谱遥感技术以其快速、无损和大

7、面积探测等特点，正逐步成为 LAI 值估测的有力工具。 叶面积指数反演的一般建模方法及精度评定 近年来，虽然在高光谱遥感技术反演植物的绿色叶面积指数，进而指导精准农业这一领域的相关研究较多，但综合地总结并指导相关反演模型建立方法的文献却不多。本文在该领域各位先驱研究学者的研究、实践基础上，比较系统地总结出了高光谱植被指数与农作物叶面积指数之间定量模型的建立方法应当包括试验田建立、光谱数据采集、LAI 值测定、HVI 值计算、反演模型的生成五个步骤，并阐述了反演模型用于实际生产中的农作物 LAI 值的反演评估情况。 2.1 试验田的建立 为了确定农作物叶面积指数（LAI）与农作物光谱特性之间的定

8、量关4系，一般需要针对欲研究的农作物建立试验田，试验田要充分模拟自然界中该农作物在各种生长情况下的理化特征，如农作物的正常生长情况、缺少肥料的情况、施肥过量的情况、缺水情况、过渡灌溉情况等等，便于之后采集的农作物高光谱数据具有一般性。 目前国内外主要采取物理胁迫以及化学胁迫的方法对试验田中的农作物作相关处理，使试验田中的农作物尽可能全面的包含在自然界中的各种生长情况。通过胁迫实验使所采集到的农作物光谱数据包含了农作物在各种生长条件下的反射光谱, 可保证之后所建立的定量模型有较广泛的适应性和一般性。 2.2 农作物高光谱数据测量 这一步采集到的目标作物光谱数据将应用于定量模型的建立，因此对精度要

9、求较高，目前一般不采用国内外正在使用的高光谱传感器如MODIS、ASTER、Hyperion、ARIES 等获取目标作物的光谱数据，因为这些搭载于卫星平台的传感器对目标地物的探测或多或少均会受到大气影响或其他辐射干扰。目前国内外研究更多的是采用更为便捷的背挂式高光谱传感器来获取农作物的光谱数据，如美国 Analytical Spectral Device (ASD)公司生产的 FieldSpec Pro FR2500 型背挂式野外高光谱辐射仪（波段范围为 3502500 nm,其中 3501000 nm 光谱采样间隔为 114 nm,光谱分辨率为 3 nm; 10002500 nm 光谱采样间

10、隔为 2 nm,光谱分辨率为 10 nm,仪器视场角为 25,输出波段数为 2150） 、Cropscan 公司生产的 MSR-16 型多光谱仪以及 Oklahoma 州立大学设计的 GreenSeeker RT 100 便携式主动光谱仪等6。 5农作物的光谱数据采集应选择晴朗、云较少的天气，且于当地时间10:00-15:00 采集，以保证有较高的太阳高度角，这对如 Analytical Spectral Device 公司生产的 FieldSpec Pro FR2500 及 Cropscan 公司生产的 MSR-16 型多光谱仪等被动式传感器尤为重要，在这样的条件下，农作物可以更好地反射太阳辐射，传感器接收到的反射辐射能量能更全面地反映农作物的各种理化特征。