卫星光谱尺度农作物冠层叶绿素含量遥感估算

作     者：金俊 

作者单位：南京信息工程大学 

学位级别：硕士

导师姓名：邹晓晨

授予年度：2023年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

主      题：冠层叶绿素含量 叶倾角分布 植被指数 机器学习 PROSAIL模型 

摘      要：冠层叶绿素含量(Canopy Chlorophyll Content,CCC)与农作物的生长状况息息相关,准确估算冠层叶绿素含量对农业生产管理至关重要。冠层叶绿素含量受叶面积指数(Leaf Area Index,LAI)和叶倾角分布影响,冠层叶绿素含量和叶面积指数相关,所以叶倾角分布是影响冠层叶绿素含量的唯一结构参数。反演叶绿素含量常用植被指数(Vegetation Index,VI),目前构造植被指数的研究过程中很少考虑多种农作物叶倾角分布的影响,且使用模型模拟数据构建冠层叶绿素含量反演模型过程中,同样很少考虑实际测量数据的噪声影响。因此本文开展了基于不同光谱尺度卫星反射率下的农作物冠层叶绿素含量估算研究,一方面使用11个通用植被指数模型构建对CCC敏感的植被指数,另一方面,利用6种算法(偏最小二乘回归、支持向量回归、随机森林回归、长短期记忆网络、卷积神经网络和深度神经网络),探讨不同光谱尺度卫星数据添加1%,3%,5%和10%的高斯噪声对构建冠层叶绿素含量估算模型的影响。论文的主要成果和结论如下:(1)在不同光谱尺度卫星数据上构建顾及叶倾角分布的CCC敏感植被指数。通过实测数据和模型数据,在不同光谱尺度上构建顾及叶倾角分布的CCC敏感植被指数,最佳的敏感植被指数分别为:Sentinel-2的土壤调节指数SAI(B6、B7),World View-2的Verrelts三波段指数BSI-V(NIR1、Red、Red Edge),Rapid Eye的Tian三波段指数BSI-T(Red Edge、Green、NIR)和高分6的差值指数DI(B6、B4)。构建的敏感植被指数在模型模拟数据中的表现与实测数据中表现一致,最优敏感植被指数与CCC具有很强的相关性(实测数据上的R在0.76-0.80之间,模型模拟数据上的R在0.84-0.95之间),与MTA无相关性(实测数据的R为0.00,模型模拟数据上的R在0.00-0.04之间)。(2)使用不同卫星光谱尺度反射率数据构建CCC反演模型。反演效果最好的是Sentinel-2数据(实测数据的R在0.77-0.84之间,模型模拟数据的R在0.97-1之间),反演效果最好的算法是支持向量回归(实测数据的R在0.83-0.84之间,模型模拟数据的R在1附近)。(3)构建基于不同噪声不同光谱尺度卫星反射率的CCC反演模型。PROASAIL模型模拟的不同尺度的反射率数据不添加噪声时建模R接近于1,随着数据噪声的加大,R逐渐降低,不同光谱尺度反射率数据估算CCC的差异愈加明显,Sentinel-2数据反演CCC表现优异。添加3%的噪声时,不同尺度的光谱数据反演差异开始显现。添加3%-5%噪声的数据构建反演模型,其效果接近用实测数据构建反演CCC模型的精度。(4)适当添加噪声能提高模型反演的精度。添加3%噪声的PROSAIL模型模拟的数据,结合实测数据混合反演CCC的最优模型,比不添加噪声的数据结合实测数据构建的最优反演模型的R提高0.02,RRMSE降低0.03。