植被叶片叶绿素含量遥感反演方法验证研究文献综述

 2023-03-21 16:56:13


一、植被叶片叶绿素含量遥感反演方法验证研究

  1. 国内外研究现状

作物理化参数定量提取是评价作物对环境条件变化的动态响应的基础。光学领域的地球观测传感器能够在时空上准确的反演作物理化参数。已经执行的ENMAP(Guanter etal., 2015), Hysp IRI (Lee et al., 2015), PRISMA (Labate et al., 2009)和FLEX (Drusch et al.,2017)卫星任务产生的用于地面监测的大型光谱数据集，已经可以向不同的用户群体提供这些数据集。这些的海量数据集不仅被标准（如大气校正），而且还提供了准确、可靠和高效的反演处理技术。

随着光学遥感科学的兴起，出现了多种作物生理参数提取方法。这些方法中的大多数已应用于传统多光谱传感器的数据（Verrelst et al., 2015）。但它们也越来越多地应用于成像光谱学研究。最近开发的从成像光谱数据反演作物理化参数的反演方法，包括可见光、近红外（NIR）和短波红外光谱区域。从本质上讲，从光谱数据中量化作物理化参数总是依赖于模型，从而能够解释光谱观测及其转换为作物生物物理变量。如作物遥感文献所述，生物物理学变量反演被分为两类：（1）统计（或变量驱动）方法和（2）物理（或辐射数据驱动）反法（Baret and Buis, 2008）。然而，在过去的十年中，两种方法分类都扩展到了子分类及其组合。举例来说，这两个类别中被整合到混合方法中的元素越来越多。因此，这种方法论的扩展需要更系统的分类。从光学遥感的角度来看，目前反演方法可分为四类：1、参数回归，2、非参数回归，3、物理模型反演，4、混合方法。

李洪墩等（2020）基于多个时期的地面实测LAI数据和Landsat TM、HJCCD影像数据，对玉米、冬小麦和草地的GLOBMAP的LAI数据精度进行验证评价，并将其与MODIS、GEOV1 产品进行比较，研究结果表明， GLOBMAP LAI 产品值与地面实测值、TM 影像估算LAI 值在玉米的整个生长季过程中都更为接近。何小安等（2019）利用实测冬小麦生育前期冠层高光谱数据，运用相关关系矩阵图以及敏感植被指数、双波段组合或多波段组合植被指数与稀疏冬小麦叶面积指数(LAI)的相关性，得出利用高光谱数据在冬小麦生育前期植被稀疏条件下反演冬小麦LAI是可行的，可为冬小麦早期长势遥感监测提供技术支撑。黄婷等（2020）为了能够利用遥感数据类型对植被指数进行优化选择，从而提高叶面积指数的反演精度,通过比较反演模型的决定系数均值，分析了不同波段宽度对植被指数反演叶面积指数精度的影响，以及不同波段宽度的选取对各指数叶面积指数反演精度的影响。

  1. 研究主要成果

近几十年来，众多学者开展了植被叶片叶绿素含量遥感提取方法与应用研究，采用的方法可以分为基于物理模型的反演和基于相关关系的经验统计模型两大类 [10]。其中，基于物理模型的反演方法通过冠层尺度的辐射传输和几何光学模型与叶片尺度的辐射传输模型的耦合，基于叶片叶绿素含量对叶片反射率的影响以及叶片反射率对冠层反射率的影响，实现利用遥感观测的冠层反射率反演叶片叶绿素含量[11]。目前比较多的研究是将叶片辐射传输模型 PROSPECT 与 SAIL、4-Scale、DART 和REGFLEC等冠层模型进行耦合，反演叶片叶绿素等生化参数。在区域应用时，一般采用先进行前向模拟建立查找表的方法进行反演，以提高计算效率。Houborg 等[12]通过耦合 REGFLEC 和 PROSPECT 模型，基于 1m 分辨率的机载遥感数据和 10 m 分辨率的 SPOT-5 卫星遥感数据，实现了玉米叶面积指数（LAI）和叶绿素含量的联合反演。Zhang 等[13]发展了叶片叶绿素含量两步物理模型反演方法，首先采用 4-Scale 几何光学模型进行前向模拟，建立不同 LAI和观测几何条件下观测到光照树冠的概率和多次散射因子两个查找表，由观测的冠层反射率反演得到阳叶的叶片反射率，再利用 PROSPECT 模型反演森林叶片的叶绿素含量。基于物理模型的反演方法的优点是考虑了冠层结构（如 LAI）对叶片叶绿素含量反演的影响，而且不需要叶绿素含量观测数据训练模型，适合区域乃至全球尺度应用。但是，由于不同的叶绿素等生化参数含量、叶片结构和冠层结构参数组合都可能得到相同的冠层反射率模拟结果，易导致病态反演问题，因此，实际反演时通常需要利用先验知识对反演结果进行约束。

  1. 发展趋势

估算叶片叶绿素含量的经验统计模型基于与叶绿素含量显著相关的光谱指数建立。Croft 等对应用于估算叶绿素含量的光谱指数进行了总结，并比较了这些光谱指数估算加拿大北方森林地区针叶林和阔叶林叶片和冠层叶绿素含量的能力。这些指数一般表示为 2 个或 3 个波段反射率的比值或归一化比值，也有一些光谱指数为特定波长反射率变化的导数。大多数用于叶绿素含量估算的光谱指数都使用了“红边”反射率，但是不同光谱指数使用的具体波长存在差异。基于光谱指数的叶绿素含量估算模型具有简单、易应用和计算效率高等优点。但是这类模型存在着以下不足: ① 模型建立时需要光谱和叶绿素含量的同步观测数据，有时难以实现；② 这类模型的外推性较差，适用于叶绿素含量估算的最优光谱指数、甚至模型形式随物种变化；③ 基于叶片反射率数据计算的光谱指数估算叶片叶绿素含量的精度较高，应用冠层反射率估算叶片叶绿素含量时精度明显下降。其原因是，叶片反射率同时受到叶绿素、水分和干物质含量以及叶片结构的影响，而冠层反射率随叶片反射率（与叶绿素含量有关）、冠层结构和观测几何发生变化。

近年来一些研究采用物理模型和光谱指数相结合的方法进行叶绿素含量的遥感提取。 Xu等利用 PROSAIL 模型进行前向模拟，建立了由 2 个光谱指数构成的二维矩阵，矩阵中每个元对应有一个叶绿素含量值，采用 Sentinel-2 数据的示范应用表明，该方法可以有效提取小麦的叶绿素含量，该方法的优势是提取叶片叶绿素含量时，不需要 LAI 数据最近，Croft 等[18]在进行全球叶绿素遥感制图时，采用 4-Scale（森林和灌木）和 SAIL（农田和草地）模型进行反演，由遥感观测的冠层反射率反演得到阳叶反射率，PROSPEC模型模拟确定的最优光谱指数，估算叶片的叶绿素含量。该方法需要 LAI 作为输入数据。尽管利用高光谱遥感数据提取叶片叶绿素含量的研究取得了许多重要进展，但利用冠层反射率提取不同位置（上、中和下层）叶片叶绿素的差异尚不完全清楚，需要开展这方面研究。

  1. 存在的问题

目前已有的基于叶绿素植被指数的叶片叶绿素含量反 演方法，是利用红波段、红边波段和近红外波段的信息计算叶绿素植被指数，虽然这些波段 能够反应叶绿素含量的变化，但这些波段同时也会受叶面积指数的影响，比如，近红外波段的反射率受叶面积变化的影响很大等等。目前已有的基于叶绿素植被指数的叶片叶绿素含量反演方法无法实现更高精度反演结果的根本原因在于目前使用的这些波段的组合难以去除叶面积指数、叶倾角分布等植被冠层信息和土壤湿度等背景信息对叶绿素植被指数的影响。

二、查阅中外文献资料目录

  1. Dupont B. Bone marrow transplantation in severe combined immunodeficiency with an unrelated MLC compatible donor[C]．In：White H J, Smith R, eds. Proceedings of the Third Annual Meeting of the International Society for Experimental Hematology．Houston： International Society for Experimental Hematology, 1974．44-46．
  2. 竺可桢．物理学[M]．北京：科学出版社，1973．56-60．
  3. 姜锡洲．一种温热外敷药制备方法．中国专利，881056073[P]，1980-07-26．
  4. 中华人民共和国国家技术监督局. GB3100~3102．中华人民共和国国家标准——量与单位[S]. 中国标准出版社, 1994-11-01．
  5. 钟静．论**教学中学生创造力的培养．http://www.docin.com/p-270207558.html

[1]H. Croft , J.M. Chen , Y. Zhang . Evaluating leaf chlorophyll content prediction from multispectral remote sensing data within a physically-based modelling framework.H. Croft et al. / ISPRS Journal of Photogrammetry and Remote Sensing 102 (2015) 85–95.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章