期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于核岭回归算法的PROSAIL模型反演高空间分辨率叶面积指数 被引量:5
1
作者 郭恒亮 李晓 +1 位作者 付羽 乔宝晋 《草业学报》 CSCD 北大核心 2022年第12期41-51,共11页
准确估算叶面积指数(LAI)在生态、环境和气候变化研究方面具有重要作用。依靠卫星遥感技术能够获取大范围LAI产品,但其空间分辨率较低且依赖大量地面实测数据,难以满足高精度、大范围研究的需求。本研究基于30 m空间分辨率地表反射率数... 准确估算叶面积指数(LAI)在生态、环境和气候变化研究方面具有重要作用。依靠卫星遥感技术能够获取大范围LAI产品,但其空间分辨率较低且依赖大量地面实测数据,难以满足高精度、大范围研究的需求。本研究基于30 m空间分辨率地表反射率数据,在不依赖大量地面实测数据的情况下,提出基于核岭回归算法的PROSAIL物理模型反演LAI,首先对PROSAIL模型的输入参数进行敏感性分析,以确定输入参数并生成模拟数据集,从而建立模拟反射率与LAI之间的核岭回归反演模型,进行高空间分辨率LAI反演,并与基于多层感知机的PROSAIL模型、基于随机森林回归的PROSAIL模型进行对比分析。结果表明:基于核岭回归的PROSAIL模型获得了最高的LAI反演精度,模型决定系数(R2)为0。8089,均方根误差(RMSE)为0。2492,基于多层感知机和随机森林回归的PROSAIL模型反演精度较差,模型R2分别为0。7726和0。7118,RMSE分别为0。2781和0。2432。研究认为基于核岭回归的PROSAIL模型可以有效提升LAI反演精度,为快速准确的区域性高空间分辨率LAI反演提供了技术和方法。 展开更多
关键词 叶面积指数 核岭回归算法 prosail模型 反演
在线阅读 下载PDF
Retrieving chlorophyll content and equivalent water thickness of Moso bamboo(Phyllostachys pubescens) forests under Pantana phyllostachysae Chao-induced stress from Sentinel-2A/B images in a multiple LUTs-based PROSAIL framework 被引量:1
2
作者 Zhanghua Xu Anqi He +10 位作者 Yiwei Zhang Zhenbang Hao Yifan Li Songyang Xiang Bin Li Lingyan Chen Hui Yu Wanling Shen Xuying Huang Xiaoyu Guo Zenglu Li 《Forest Ecosystems》 SCIE CSCD 2023年第2期252-267,共16页
Biochemical components of Moso bamboo(Phyllostachys pubescens)are critical to physiological and ecological processes and play an important role in the material and energy cycles of the ecosystem.The coupled PROSPECT w... Biochemical components of Moso bamboo(Phyllostachys pubescens)are critical to physiological and ecological processes and play an important role in the material and energy cycles of the ecosystem.The coupled PROSPECT with SAIL(PROSAIL)radiative transfer model is widely used for vegetation biochemical component content inversion.However,the presence of leaf-eating pests,such as Pantana phyllostachysae Chao(PPC),weakens the performance of the model for estimating biochemical components of Moso bamboo and thus must be considered.Therefore,this study considered pest-induced stress signals associated with Sentinel-2A/B images and field data and established multiple sets of biochemical canopy reflectance look-up tables(LUTs)based on the PROSAIL framework by setting different parameter ranges according to infestation levels.Quantitative inversions of leaf area index(LAI),leaf chlorophyll content(LCC),and leaf equivalent water thickness(LEWT)were derived.The scale conversions from LCC to canopy chlorophyll content(CCC)and LEWT to canopy equivalent water thickness(CEWT)were calculated.The results showed that LAI,CCC,and CEWT were inversely related with PPC-induced stress.When applying multiple LUTs,the p-values were<0.01;the R2 values for LAI,CCC,and CEWT were 0.71,0.68,and 0.65 with root mean square error(RMSE)(normalized RMSE,NRMSE)values of 0.38(0.16),17.56μg cm-2(0.20),and 0.02 cm(0.51),respectively.Compared to the values obtained for the traditional PROSAIL model,for October,R2 values increased by 0.05 and 0.10 and NRMSE decreased by 0.09 and 0.02 for CCC and CEWT,respectively and RMSE decreased by 0.35μg cm-2 for CCC.The feasibility of the inverse strategy for integrating pest-induced stress factors into the PROSAIL model,while establishing multiple LUTs under different pest-induced damage levels,was successfully demonstrated and can potentially enhance future vegetation parameter inversion and monitoring of bamboo forest health and ecosystems. 展开更多
关键词 Moso bamboo Chlorophyll content Equivalent water thickness prosail model Multiple LUTs Pantana phyllostachysae Chao Sentinel-2A/B images
在线阅读 下载PDF
基于PROSAIL模型的夏玉米叶绿素含量垂直分层模拟 被引量:3
3
作者 王声锋 徐亚泽 +5 位作者 彭致功 魏征 张宝忠 蔡甲冰 王菲宇 牟彦文 《排灌机械工程学报》 CSCD 北大核心 2022年第6期603-610,共8页
为了给精准施肥灌溉及病虫害防治等提供基础数据支撑,开展以作物垂直分层叶绿素监测的模拟研究.于2019—2020年进行了不同施氮水平下夏玉米叶绿素含量与光谱反射率监测试验,并模拟了夏玉米叶绿素含量垂直分层规律.结果表明:夏玉米的叶... 为了给精准施肥灌溉及病虫害防治等提供基础数据支撑,开展以作物垂直分层叶绿素监测的模拟研究.于2019—2020年进行了不同施氮水平下夏玉米叶绿素含量与光谱反射率监测试验,并模拟了夏玉米叶绿素含量垂直分层规律.结果表明:夏玉米的叶绿素含量随着冠层深度的增加呈侧放的铃形;利用叶绿素最敏感波段699~722 nm的反射率构建夏玉米叶绿素模拟代价函数,实现了基于PROSAIL的夏玉米叶绿素含量垂直分层模拟;综合分析不同生育期各层叶绿素的估算精度,在平均叶绿素模拟相对误差RE控制在45%范围内的基础上,进一步厘清了夏玉米叶绿素垂直分层模拟效果,即第1层叶片在抽雄期与灌浆期、其他层在全生育期模拟的决定系数R^(2)在0.0260~0.7993,均方根误差RMSE在2.23~12.13μg/cm^(2),相对误差在9.67%~98.22%.相关研究结果可为作物叶绿素垂直分层模拟应用提供理论与技术支持. 展开更多
关键词 夏玉米 叶绿素 高光谱 prosail模型 分层模拟
在线阅读 下载PDF
基于PROSAIL模型和多角度遥感数据的森林叶面积指数反演 被引量:6
4
作者 潘颖 丁鸣鸣 +3 位作者 林杰 代侨 郭赓 崔琳琳 《林业科学》 EI CAS CSCD 北大核心 2021年第4期90-106,共17页
【目的】基于多角度PROBA/CHRIS遥感数据和野外实测数据,结合PROSAIL模型和随机森林模型反演森林叶面积指数(LAI),以提高植被LAI遥感反演精度,为区域土壤侵蚀遥感定量监测提供新的方法和模型。【方法】以南京市紫金山和幕府山为研究区,... 【目的】基于多角度PROBA/CHRIS遥感数据和野外实测数据,结合PROSAIL模型和随机森林模型反演森林叶面积指数(LAI),以提高植被LAI遥感反演精度,为区域土壤侵蚀遥感定量监测提供新的方法和模型。【方法】以南京市紫金山和幕府山为研究区,采用野外调查、遥感影像、辐射传输模型与数学模型相结合的方法,构建基于PROSAIL模型和多角度PROBA/CHRIS遥感数据的随机森林LAI反演模型,对PROSAIL模型进行敏感性分析和适用性评价,确定最佳LAI反演模型,并利用地面实测LAI进行精度验证和评价。【结果】PROSAIL模型中各输入参数敏感性大小为LAI>叶绿素a、b含量Cab>叶片干物质含量Cm>热点参数SL>叶片内部结构参数N>等效水厚度Cw;模拟的冠层反射率精度大小为0°>36°>-36°>55°>-55°。单角度LAI反演模型中,前向观测角55°精度最高,其决定系数(R2)、均方根误差(RMSE)和平均绝对百分误差(MAPE)分别为0.9157、0.2357和0.0426;相比于传统垂直观测,55°模型的R2提高0.75%,RMSE和MAPE分别降低3.76%和5.12%;相比于非线性回归模型,单角度随机森林LAI反演模型的R2提高0.7%,RMSE和MAPE分别降低15.40%和11.98%;单角度LAI反演模型精度由高到低依次为55°、36°、0°、-55°、-36°。多角度LAI反演模型中,3角度组合(0°、36°、55°)LAI反演精度最高,其R2、RMSE和MAPE分别为0.9184、0.2319和0.0415,相比于单角度55°,R2提高0.29%,RMSE和MAPE分别降低1.61%和2.58%;相比于传统垂直观测,3角度组合模型的R2提高1.05%,RMSE和MAPE分别降低5.31%和7.57%;相比于非线性回归模型,多角度随机森林LAI反演模型的R2提高0.79%,RMSE和MAPE分别降低6.72%和9.19%。紫金山西部区域LAI介于0.44~6.70之间,林地LAI均值为3.04;紫金山西部林地LAI整体上呈北部和南部高、中间低的空间分布格局。【结论】最佳LAI反演模型为基于3角度组合(0°、36°、55°)的随机森林LAI反演模型;一方面,增加观测角度可提供更多植被冠层结构信息,LAI反演精度随观测角度增加而增加,但另一方面,观测角度过多会使像元空间重采样、叶片阴影和土壤阴影等问题带来更多不确定性,LAI反演精度反而下降;无论是单角度还是多角度数据,随机森林LAI反演模型精度均高于非线性回归模型,随机森林模型能够明显提高LAI反演精度,适用于区域植被LAI反演;多角度遥感数据能够反映森林立体结构信息和地物多维空间结构特征,显著改善传统垂直观测数据反演LAI精度较低的问题,从而有效提高植被LAI反演精度。 展开更多
关键词 叶面积指数 多角度PROBA/CHRIS遥感数据 prosail模型 随机森林模型
在线阅读 下载PDF
基于PROSAIL模型的高光谱遥感图像模拟研究 被引量:2
5
作者 莫云华 张文娟 张连蓬 《红外》 CAS 2016年第9期1-7,共7页
针对高光谱图像数据难以获取的情况,提出了一种基于PROSAIL辐射传输模型的高光谱图像模拟方法。首先,对PROSAIL模型的输入参数进行了敏感性分析。以此为基础,针对5个典型生化参数(叶片结构参数N、叶绿素含量C_(ab)、叶片干物质含量C_m... 针对高光谱图像数据难以获取的情况,提出了一种基于PROSAIL辐射传输模型的高光谱图像模拟方法。首先,对PROSAIL模型的输入参数进行了敏感性分析。以此为基础,针对5个典型生化参数(叶片结构参数N、叶绿素含量C_(ab)、叶片干物质含量C_m、类胡萝卜素含量C_(ar)和叶面积指数LAI),基于支持向量机构建了一种基于多光谱数据的参数计算模型。其次,根据得到的典型生化参数图,通过利用PROSAIL模型逐像元计算获得了高光谱模拟图像。对HJ1A环境卫星的CCD1多光谱图像数据进行了实验,实现了高光谱图像数据模拟。在将等效计算后的模拟结果与HJ1A CCD1多光谱图像数据进行对比后发现,两幅图像对应波段的平均结构相似度都超过了95%;除了蓝光波段之外,全图的相对误差均小于10%。结果表明,本文方法可以很好地实现基于多光谱数据的高光谱图像模拟。 展开更多
关键词 图像模拟 高光谱 植被 辐射传输模型 prosail
在线阅读 下载PDF
基于PROSAIL模型的玉米冠层参数敏感性分析
6
作者 李青 《科技创新与应用》 2023年第23期18-22,共5页
PROSAIL模型是一种基于辐射传输理论建立的植被冠层反射率模拟模型,其输入参数包括叶片结构和生理特征、冠层结构、土壤反射率、天空光散射比和观测几何等。为分析不同参数在不同波段对模型输出结果的影响,该文以玉米冠层为研究对象,对P... PROSAIL模型是一种基于辐射传输理论建立的植被冠层反射率模拟模型,其输入参数包括叶片结构和生理特征、冠层结构、土壤反射率、天空光散射比和观测几何等。为分析不同参数在不同波段对模型输出结果的影响,该文以玉米冠层为研究对象,对PROSPECT模型的输入参数进行定性的OTA局部敏感性分析和定量的EFAST全局敏感性分析,并得到以下结论:全局敏感性较强的输入参数为冠层叶面积指数、叶片叶绿素含量、叶片水分含量和平均叶倾角。叶片叶绿素含量对冠层反射光谱的影响主要集中在绿光和红光波段,能够解释超过一半的反射率方差变化。叶片水分含量在1 150~1 850 nm波段为敏感性最高的输入参数。在400~500 nm、750~950 nm和1 900~2 000 nm波段,LAI对反射率方差的贡献最大,全局敏感性指数均超过0.5。 展开更多
关键词 prosail模型 敏感性分析 冠层反射率 EFAST OAT
在线阅读 下载PDF
无人机观测时间对玉米冠层叶绿素密度估算的影响
7
作者 周丽丽 冯海宽 +8 位作者 聂臣巍 许晓斌 刘媛 孟麟 薛贝贝 明博 梁齐云 苏涛 金秀良 《浙江农业学报》 CSCD 北大核心 2024年第1期18-31,共14页
为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进... 为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进行无人机多光谱观测试验,并结合PROSAIL模型模拟结果与实测CCD数据,分析一天中不同时刻典型植被指数的变化规律及CCD估算结果的差异。结果表明:在同一天中,无人机玉米冠层反射率和与实测CCD相关性较好的植被指数值均随时间变化,近红外波段的反射率变化最明显,越接近12:00,实测的植被指数值越低,而在一天的不同时间PROSAIL模型模拟的植被指数值几乎没有差异。在同一天,基于不同观测时间获取的同一植被指数与实测CCD的相关性存在较大差异,且不同生育时期和不同指数间的差异不一致;而模拟得到的同一植被指数与CCD的相关性在同一天不同时间的差异不明显。在不同生育时期,基于不同观测时间无人机数据构建的CCD估算模型均可以取得较好的精度,但不同观测时间的估算结果存在差异,决定系数最低的为0.53,最高的为0.80。这些结果表明,在传统的光谱数据获取时间范围内(10:00—14:00),无人机影像获取时间仍对玉米CCD估算有影响,越接近12:00,估算精度越高。研究结果可为后续作物的CCD精准估算提供基础支撑。 展开更多
关键词 冠层叶绿素密度 观测时间 机器学习 prosail模型 玉米
在线阅读 下载PDF
基于高分辨率遥感影像的玉米田叶面积指数反演 被引量:6
8
作者 黄楚荻 鲁蕾 +1 位作者 刘勇 刘巨峰 《浙江农业学报》 CSCD 北大核心 2018年第2期339-349,共11页
根据玉米田样地生物物理参量的野外实测数据,对PROSAIL模型输入参数的取值范围进行率定。通过PROSAIL模型参数敏感性分析,确定不同的输入参数设置方案,模拟不同的叶面积指数、叶倾角、叶绿素含量对应的玉米冠层反射率,建立叶面积指数的... 根据玉米田样地生物物理参量的野外实测数据,对PROSAIL模型输入参数的取值范围进行率定。通过PROSAIL模型参数敏感性分析,确定不同的输入参数设置方案,模拟不同的叶面积指数、叶倾角、叶绿素含量对应的玉米冠层反射率,建立叶面积指数的缨帽三角分布模式,从而获得玉米田红光-近红外波段反射率-LAI查找表,选取宁夏中卫市WV-3高分辨率遥感影像对玉米种植区域LAI进行反演。通过与实测数据比较,分析了PROSAIL模型在高分辨率遥感影像农作物LAI反演方面的适用性,为高分辨率遥感影像反演农作物LAI提供了方法参考。结果表明,PROSAIL模型输入参数的范围率定与不同设置方案的确定是有必要的,并且运用该查找表从WV-3影像反演的LAI与实测数据较一致,查找表均方根误差为0.47,LAI反演均方根误差为0.24。研究表明,该方法在利用WV-3遥感影像进行玉米田LAI反演中具有较强的适用性,能够进行准确有效的大面积叶面积指数遥感反演。 展开更多
关键词 prosail模型 叶面积指数 WV-3 查找表
在线阅读 下载PDF
基于模型模拟的NDVI对叶片生化组分参数的敏感性及叶绿素估算 被引量:1
9
作者 舒方 袁金国 《科技通报》 2019年第4期120-128,共9页
归一化植被指数(NDVI)能够反映绿色植物的生长状况、监测作物长势,并与叶片尺度和冠层尺度的植被生化参数密切相关。研究方法主要是通过PROSAIL模型来分析NDVI的敏感性。在叶片尺度上,对NDVI变化的敏感性最高的参数是叶绿素含量(Cab),... 归一化植被指数(NDVI)能够反映绿色植物的生长状况、监测作物长势,并与叶片尺度和冠层尺度的植被生化参数密切相关。研究方法主要是通过PROSAIL模型来分析NDVI的敏感性。在叶片尺度上,对NDVI变化的敏感性最高的参数是叶绿素含量(Cab),其次是叶肉结构参数(N);而干物质含量(Cm)和含水量(Cw)变化的敏感性较弱。在冠层尺度,NDVI对叶面积指数(LAI)的敏感性最高,其次是观测天顶角(VZA);叶倾角分布(LAD)和太阳高度角对NDVI的敏感性也较大。2017年5月16~18日野外实验采集数据及冬小麦叶片,通过实验室测得叶绿素浓度,结合2017年5月15日河北省石家庄市栾城区Landsat OLI影像,计算出采样点小麦的NDVI,建立叶绿素含量估算模型,生成栾城区冬小麦叶绿素含量分布图,得到研究区叶绿素浓度大部分在30~70μg·cm^(-2)。 展开更多
关键词 prosail模型模拟 归一化植被指数(NDVI) 观测天顶角 敏感性 叶绿素含量估算
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部