论文部分内容阅读
叶面积指数(LAI)反映了植被的多种生态功能,是一些陆表过程模型的重要输入参数。近年来,高光谱遥感数据日益广泛应用于LAI反演。然而,目前基于冠层反射率模型的LAI高光谱反演还存在以下问题。第一,和多光谱数据相比,高光谱是否能够提高LAI反演的精度与稳定性尚存在争议。基于查找表的LAI高光谱常规反演方法的最优反演波段选择与模型参数化原则仍不明确。第二,LAI高光谱常规反演方法难以有效约束维数灾难、病态反演问题。最后,现有面向像元的LAI反演方法未能充分利用农田生态系统的空间特征,且对不同田块应用同一套参数化方案,造成了一定误差。本博士论文围绕如何充分利用高光谱数据提高LAI反演精度的科学问题,通过改进LAI高光谱反演方法,充分发挥高光谱数据的潜力,约束病态反演问题,改进物理模型参数优化。具体研究内容如下。(1)对相关研究进行了全面、深入的整理和分析,通过文献综述提炼出当前LAI高光谱反演研究的不足与可能的解决途径。(2)实地测量了冬小麦冠层反射光谱和对应的作物参数,开展了LAI最优反演波段和参数化方案研究,发现当高光谱波段选择适当、CR模型输入参数不确定性较小时,高光谱数据在LAI反演方面表现较好,优于多光谱数据。(3)为发掘高光谱数据所展现的光谱细节,约束LAI反演中的病态问题,提出了LAI多阶段反演方法,将对各波段上模拟—观测光谱拟合程度的考察分离开来,逐步约束各参数取值的不确定性,优化模型参数。实验表明,该方法有效限制了LAI病态反演问题,减少了LAI高光谱反演对先验知识的依赖。(4)基于农田生态系统中作物参数空间分布规律,开展了面向对象的参数优化和LAI高光谱反演方法研究。利用常规方法预反演结果为各个田块制定独立的模型参数化方案,显著缩小了自由变量的参数取值范围。以此提高各田块参数化精度,约束了反演结果中的极端异常值,限制了LAI高病态反演问题。(5)个别田块参数N取值不同于大多数田块,致其LAI反演失败。本研究将LAI多阶段反演思路用于N的反演,继而将N的反演结果代入面向对象的LAI反演。通过多阶段反演与面向对象反演的有机结合准确反演了以往方法难以处理的田块,提高了LAI高光谱反演的稳定性。综上所述,本研究致力于挖掘并有效利用高光谱数据中光谱、空间两方面的有效信息,从改进反演方法入手,限制了病态反演问题,改善了LAI反演精度和稳定性。为将来植被参数高光谱反演研究提供可借鉴的思路和方法。