检索结果-南通市图书馆

基于PROSAIL模型的广州市过渡带森林植被冠层可燃物含水率估算

在线全文

学校读者我要写书评

暂无评论

热带地理 2023年第3期43卷 545-553页

作者：闻宏睿国巧真魏书精曾宇怀吴泽鹏孙震辉天津城建大学地质与测绘学院天津300384 广东省森林培育与保护利用重点实验室广东省林业科学研究院广州510520 广东省科学院广州地理研究所广东省遥感与地理信息系统重点实验室广州510070

基于PROSAIL模型,结合野外实测叶片等水分厚度、干物质重量、叶面积指数数据,构建一种基于归一化红外指数和归一化干物质指数的植被冠层可燃物含水率估算方法。首先,在PROSAIL模型输入实测参数模拟植被冠层光谱曲线,计算归一化红外指数... 详细信息

基于PROSAIL模型,结合野外实测叶片等水分厚度、干物质重量、叶面积指数数据,构建一种基于归一化红外指数和归一化干物质指数的植被冠层可燃物含水率估算方法。首先,在PROSAIL模型输入实测参数模拟植被冠层光谱曲线,计算归一化红外指数、归一化干物质指数用于叶片等水分厚度、干物质重量的反演。结果表明:归一化红外指数与叶片等水分厚度、归一化干物质指数与干物质重量存在明显的线性关系,基于该关系建立叶片等水分厚度、干物质重量的经验估算模型,经验证估算结果精度较高;将该经验模型推广至利用Landsat 8数据拟合植被冠层可燃物含水率,并与实测数据进行验证,结果显示R^(2)达到0.743,RMSE达到34.2%,具有较高的精度。文章提出的植被冠层可燃物含水率估算模型,可实现广州市过渡带森林大面积、较高精度植被冠层可燃物含水率监测,为预防森林火灾提供参考。

关键词： PROSAIL模型叶片等水分厚度干物质重量植被冠层可燃物含水率 Landsat 广州市

基于PROSAIL模型的青贮玉米叶面积指数反演

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年

作者：汪彦龙王钧崔婷甘肃农业大学信息科学技术学院

精准且高效地估算区域内的玉米LAI数据，对于田间管理决策、地物产量预测以及实施精准农业具有至关重要的意义。针对多尺度、大范围遥感反演中存在的尺度效应、精度低、普适性差的问题，本研究以张掖市民乐县的青贮玉米实验田为研究区... 详细信息

精准且高效地估算区域内的玉米LAI数据，对于田间管理决策、地物产量预测以及实施精准农业具有至关重要的意义。针对多尺度、大范围遥感反演中存在的尺度效应、精度低、普适性差的问题，本研究以张掖市民乐县的青贮玉米实验田为研究区，选取青贮玉米为研究对象，基于Landsat-8高光谱和Modis多光谱遥感影像，并结合地面实测数据。通过对PROSAIL模型的输入参数进行局部和全局敏感性分析，构建出青贮玉米在多个生育期内的冠层反射率-LAI的查找表和最小寻优代价函数的反演策略，确定研究区域的最佳LAI反演模型，并利用青贮玉米不同生育期内的实测值完成了反演结果的精度验证及线性拟合。结果表明：LAI的反演结果总体较好，拟合精度较高，与实测值之间有较强的相关性，拔节期、抽雄期、成熟期的最优决定系数R2分别为 0.85、0.91、0.90；均方根误差(RMSE)分别为0.35、0.58、0.51。因此，基于多源高光谱遥感数据结合PROSAIL模型的反演策略可为作物参数反演提供新的科学依据和方法。

关键词： PROSAIL模型反演策略叶面积指数青贮玉米高光谱数据

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

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

草业学报 2022年第12期31卷 41-51页

作者：郭恒亮李晓付羽乔宝晋郑州大学河南省超级计算中心河南郑州450052 郑州大学地球科学与技术学院河南郑州450052 郑州大学信息工程学院河南郑州450052

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... 详细信息

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。

关键词：叶面积指数核岭回归算法 PROSAIL模型反演

基于PROSAIL模型与光谱指数的紫花苜蓿冠层含水量估算

在线全文

学校读者我要写书评

暂无评论

兰州大学学报（自然科学版） 2023年第1期59卷 55-62页

作者：唐源王小平鲁聪聪赵传燕兰州大学草地农业生态系统国家重点实验室草地农业科技学院兰州730020 中国气象局兰州干旱气象研究所兰州730020 甘肃农业大学资源与环境学院兰州730070

依据光谱和植物生理参数再联合PROSAIL模型模拟光谱曲线对应的冠层含水量(E)敏感指数,与实际光谱曲线的E敏感光谱指数对比,PROSAIL模型模拟光谱曲线精度较高,相关系数R2>0.8.对光谱的E敏感波段进行单因素和整体敏感性分析,E敏感波段分别... 详细信息

依据光谱和植物生理参数再联合PROSAIL模型模拟光谱曲线对应的冠层含水量(E)敏感指数,与实际光谱曲线的E敏感光谱指数对比,PROSAIL模型模拟光谱曲线精度较高,相关系数R2>0.8.对光谱的E敏感波段进行单因素和整体敏感性分析,E敏感波段分别为1240、1450、1650 nm.通过水分指数、水分压力指数(MSI)、归一化差异红外指数(NDII)和结合E敏感波段构建的4个广义归一化差异水指数(NDWI)对紫花苜蓿E进行反演,7个指数均具有较好的反演效果,R2>0.8,均方根误差为0.0010~0.0019 g/cm2,其中传统水分敏感光谱指数的E-MSI、E-NDII、E-NDWI((860,1240))和基于广义光谱指数的E-NDWI((1240,1650))的反演效果最佳.

关键词： PROSAIL模型冠层含水量敏感性分析紫花苜蓿

应用PROSAIL模型对森林冠层叶面积指数遥感估测

在线全文

学校读者我要写书评

暂无评论

东北林业大学学报 2023年第11期51卷 86-94页

作者：何金有贾炜玮张小勇孙毓蔓东北林业大学哈尔滨150040

为了及时准确的获取森林冠层的叶面积指数(L_(AI)),对森林长势进行监测,验证估测模型的普适性。以凉水实验林场为研究区,通过对PROSAIL模型的参数进行全局敏感性分析,确定敏感性较高的参数,构建PROSAIL模型模拟反射率与遥感影像反射率... 详细信息

为了及时准确的获取森林冠层的叶面积指数(L_(AI)),对森林长势进行监测,验证估测模型的普适性。以凉水实验林场为研究区,通过对PROSAIL模型的参数进行全局敏感性分析,确定敏感性较高的参数,构建PROSAIL模型模拟反射率与遥感影像反射率的代价函数,并用遗传算法求解代价函数,通过调整PROSAIL模型高敏感性的关键参数值模拟叶面积指数;利用人工神经网络(ANN)映射植被冠层反射率与叶面积指数特征变量的关系估测叶面积指数;然后用实测数据集对两个模型模拟的结果进行验证比较。结果表明:PROSAIL模型模拟的各波段反射率中红外波段和近红外波段对叶面积指数具有较高的敏感度;PROSAIL模型反演叶面积指数的决定系数(R^(2))为0.7228,人工神经网络估测的叶面积指数的决定系数(R^(2))为0.3338,PROSAIL模型反演叶面积指数的精度较高,而且PROSAIL模型的估测结果与实测叶面积指数值有较好的一致性;人工神经网络对训练集、测试集叶面积指数估测精度的决定系数(R^(2))分别为0.8871和0.8809,而估测值与实测数据的决定系数(R^(2))仅有0.3338,PROSAIL模型优于人工神经网络模型,且具有更好的普适性。

关键词：叶面积指数 PROSAIL模型全局敏感性分析遗传算法人工神经网络

基于PROSAIL模型和多角度遥感数据的森林叶面积指数反演

在线全文

学校读者我要写书评

暂无评论

林业科学 2021年第4期57卷 90-106页

作者：潘颖丁鸣鸣林杰代侨郭赓崔琳琳南京林业大学南方现代林业协同创新中心南京210037 长江航道工程局有限责任公司华东分公司南京210011 南京市水务局南京210036

【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,... 详细信息

【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。

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

基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演

在线全文

学校读者我要写书评

暂无评论

麦类作物学报 2022年第11期42卷 1408-1418页

作者：李天驰冯海宽田坤云杨福芹杨佳琪天津科技大学海洋与环境学院天津300457 河南工程学院土木工程学院河南郑州451191 国家农业信息化工程技术研究中心北京100097 河南工程学院资源与安全工程学院河南郑州451191

为及时准确高效监测小麦叶面积指数(leaf area index,LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立prosail辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回... 详细信息

为及时准确高效监测小麦叶面积指数(leaf area index,LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立prosail辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598~0.717和0.577~0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。

关键词：冬小麦叶面积指数 PROSAIL模型连续投影算法偏最小二乘回归

基于PROSAIL模型和Sentinel-2数据的陕北煤炭矿区植被叶绿素含量监测

在线全文

学校读者我要写书评

暂无评论

地理与地理信息科学 2024年第2期40卷 29-36页

作者：赵恒谦李美钰吴艳花高尉牟泓睿付含聪刘泽龙煤炭资源与安全开采国家重点实验室(中国矿业大学) 北京100083 中国矿业大学(北京)地球科学与测绘工程学院北京100083

为满足煤炭矿区植被叶绿素含量高精度动态监测需求,该文以陕北大柳塔矿区为研究区,首先分析PROSAIL模型对矿区典型植被欧李、野樱桃的适用性,然后根据prosail辐射传输模型建立查找表,结合基于正则化的代价函数对欧李、野樱桃叶绿素含量... 详细信息

为满足煤炭矿区植被叶绿素含量高精度动态监测需求,该文以陕北大柳塔矿区为研究区,首先分析PROSAIL模型对矿区典型植被欧李、野樱桃的适用性,然后根据prosail辐射传输模型建立查找表,结合基于正则化的代价函数对欧李、野樱桃叶绿素含量进行反演,并利用SNAP软件反演结果与地面实测数据对PROSAIL模型反演结果进行验证,最后利用所构建模型反演得到2016—2019年大柳塔矿区植被叶绿素含量空间分布。结果表明:PROSAIL模型模拟光谱与地面实测光谱的绝对偏差平均值最大为0.016,该精度满足植被参数反演;PROSAIL模型反演得到的欧李、野樱桃叶绿素含量与地面实测数据的决定系数、均方根误差和相对均方根误差分别为0.679、1.926和4.625%,优于SNAP软件反演结果,反演得到的大柳塔矿区叶绿素含量时空变化与实际植被生态修复情况和土地利用覆盖类型一致。研究结果可为矿区植被叶绿素反演和生态修复效果评估提供技术参考。

关键词：煤炭矿区叶绿素含量 PROSAIL模型 Sentinel-2影像

基于PROSAIL模型的水稻叶片生物量反演

在线全文

学校读者我要写书评

暂无评论

华中农业大学学报 2023年第3期42卷 187-194页

作者：于丰华白驹驰金忠煜张鸿刚许童羽沈阳农业大学信息与电气工程学院沈阳110866 辽宁省智慧农业技术重点实验室沈阳110866

为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题,利用无人机高光谱遥感平台获取水稻冠层400~1 000 nm的高光谱反射率信息,对PROSAIL模型进行参数敏感性分析,根据分析结果利用连续投影法提取敏感波段,在此基础上,结合P... 详细信息

为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题,利用无人机高光谱遥感平台获取水稻冠层400~1 000 nm的高光谱反射率信息,对PROSAIL模型进行参数敏感性分析,根据分析结果利用连续投影法提取敏感波段,在此基础上,结合prosail作物辐射传输模型与水稻高光谱数据,运用秃鹰算法(BES)对PROSAIL模型的生物量参数进行数值优化,从而快速、精准实现水稻关键生育期的叶片生物量反演。结果显示:运用改进Sobol方法对水稻叶片生物量进行全局敏感性分析,敏感区间为700~1 000 nm。对敏感区间内光谱利用连续投影法提取了750、788、898、940、962、999 nm等6个水稻叶片生物量特征波长。结合PROSAIL模型与BES优化算法,构建了prosail-BES数值优化方法。以水稻特征波段光谱反射率为模型输入,通过prosail-BES数值优化方法对PROSAIL模型参数进行校正,叶片生物量反演结果 R2为0.694,RMSE为0.002。结果表明,与传统机器学习模型的反演结果对比,prosail-BES数值优化方法具有更好的反演精度,在水稻生物量反演领域具有较好的实用价值和应用潜力。

关键词：水稻叶片生物量反演 PROSAIL模型数值优化高光谱遥感无人机遥感技术精准农业