检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

BP神经网络模型在LAI遥感反演中的应用

测绘与空间地理信息 2024年第1期47卷 96-98,102页

作者：张君栋边璟洋蘧振超高华徐有威浙江省测绘科学技术研究院浙江杭州311100 浙江信宇时空科技有限公司浙江杭州311100

提出将BP神经网络与植被冠层辐射传输模型应用到叶面积指数(Leaf Area Index,LAI)反演中。为了获取更加准确的反演结果,从确定最佳BP网络结构的角度出发,研究了网络性能、反演结果与不同网络隐含层层数、隐含层节点数与学习效率之间的... 详细信息

提出将BP神经网络与植被冠层辐射传输模型应用到叶面积指数(Leaf Area Index,LAI)反演中。为了获取更加准确的反演结果,从确定最佳BP网络结构的角度出发,研究了网络性能、反演结果与不同网络隐含层层数、隐含层节点数与学习效率之间的关系。试验结果表明:当隐含层为双隐层、节点数为(40,20)、学习速率为0.02时,能够获得最佳的BP网络结构,反演效果也最好。

关键词：叶面积指数 BP神经网络 prosail 反演

基于prosail模型的毛竹林冠层含水量反演研究

在线全文

学校读者我要写书评

暂无评论

西北林学院学报 2023年第4期38卷 224-232,249页

作者：张仓皓刘小杰王瑞璠魏倪彬刘健余坤勇郭孝玉王帆福建农林大学林学院福建福州350002 福建省资源环境监测与可持续经营利用重点实验室(三明学院) 福建三明365004 3S技术与资源优化利用福建省高校重点实验室福建福州350002

冠层含水量(canopy water content, CWC)的定量反演有助于毛竹林干旱胁迫状况的监测,对其生产管理具有重要意义。以永安天宝岩的毛竹林为研究对象,采用prosail模型,通过全局敏感性分析结合实地调查和相关文献确定模型的参数设置,然后建... 详细信息

冠层含水量(canopy water content, CWC)的定量反演有助于毛竹林干旱胁迫状况的监测,对其生产管理具有重要意义。以永安天宝岩的毛竹林为研究对象,采用prosail模型,通过全局敏感性分析结合实地调查和相关文献确定模型的参数设置,然后建立含水量与冠层反射率的查找表(LUT),进而利用查找表联合反演等效水厚度(EWT)与叶面积指数(LAI)得到冠层含水量(CWC),最后基于Sentinel-2B影像实现区域冠层含水量的空间量化。结果表明,1)EWT主要影响1 100 nm以后的冠层反射率,对可见光区域冠层反射率几乎无影响;2)基于prosail模型可有效反演毛竹林冠层含水量,其R^(2)=0.536,RMSE为0.059 kg/m^(2);3)研究区域毛竹林7月的冠层含水量主要分布于0.12~0.41 kg/m^(2)。研究为冠层含水量反演提供一种有效的反演方法,有助于毛竹林的野火预防和病虫害防治。

关键词：冠层含水量 prosail 毛竹 Sentinel-2B 定量反演

基于prosail模型的山地草原叶面积指数高光谱反演

在线全文

学校读者我要写书评

暂无评论

新疆农业科学 2022年第2期59卷 451-457页

作者：贠静郑逢令安沙舟阿斯娅·曼力克李超艾尼玩·艾麦尔田聪新疆畜牧科学院草业研究所乌鲁木齐830000 新疆农业大学草业与环境科学学院乌鲁木齐830052

【目的】研究基于prosail模型监测天然草地的动态变化,掌握草地的质量与数量。【方法】研究使用地物光谱仪连续3年在天山北坡中段的2个山地草原样区采集光谱数据和配套数据,基于prosail模型进行冠层LAI的高光谱反演,重点研究应用不同代... 详细信息

【目的】研究基于prosail模型监测天然草地的动态变化,掌握草地的质量与数量。【方法】研究使用地物光谱仪连续3年在天山北坡中段的2个山地草原样区采集光谱数据和配套数据,基于prosail模型进行冠层LAI的高光谱反演,重点研究应用不同代价函数、植被种类变化对反演精度的影响。【结果】多数代价函数反演LAI的决定系数(R^(2))在0.54~0.55,均方根误差(RMSE)在0.23~0.25,归一化均方根误差(NRMSE)在17~19。在9个来自不同统计类型的代价函数中,常用的RMSE代价函数的反演精度相对不高。将获取的427个样方数据依据种类数分成组,然后用prosail进行LAI反演。种类数越多,RMSE在增大,R^(2)在减少,反演精度越差。但精度的下降幅度不是均匀的,种类数≤2的组和种类数≤3的组之间精度差异最大。【结论】在利用物理模型反演天然草地的叶面积指数时,不同代价函数获得的反演精度差别比较大;随着植被种类数量的增多,反演的精度是下降的。

关键词：叶面积指数高光谱草原 prosail

基于PROBA/CHRIS遥感数据和prosail模型的春小麦LAI反演

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2011年第10期27卷 88-94页

作者：杨贵军赵春江邢荣黄文江王纪华北京农业信息技术研究中心北京100097

大面积区域作物叶面积指数(LAI)遥感反演,对指导作物管理具有重要的意义。该文基于2008年5-7月在黑河流域开展的大型星-机-地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据,利用prosail辐射传输模型和神经元网络方... 详细信息

大面积区域作物叶面积指数(LAI)遥感反演,对指导作物管理具有重要的意义。该文基于2008年5-7月在黑河流域开展的大型星-机-地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据,利用prosail辐射传输模型和神经元网络方法反演春小麦LAI,并利用地面实测LAI进行验证和分析,结果表明:PROBA/CHRIS数据的最佳组合波段为band4(555.1nm)、band9(696.9nm)和band15(871.5nm),利用PROBA/CHRIS数据反演LAI时,3角度组合(0°、36°、55°)反演LAI精度最高(R2=0.854,RMSE=0.344;MAE=0.213)。随着观测角度增加LAI反演精度相应提高,但超过3个角度后,多观测角度数据会带来较大不确定性,影响神经元网络建模,导致LAI反演精度下降。

关键词：遥感神经元网络反演春小麦 LAI PROBA/CHRIS prosail

联合prosail模型和植被水分指数的低矮植被含水量估算

在线全文

学校读者我要写书评

暂无评论

遥感学报 2021年第4期25卷 1025-1036页

作者：江海英柴琳娜贾坤刘进杨世琪郑杰北京师范大学地理科学学部北京100875

植被冠层含水量CWC(Canopy Water Content)和植被地上部分含水量VWC(Vegetation Water Content)对于植被健康状况和土壤干旱监测具有重要意义。本文联合prosail辐射传输模型和植被水分指数NDWI(Normalized Difference Water Index),发展了一种简单、通用性较好的低矮植被CWC和VWC反演方法,可实现中、高空间分辨率下的CWC和VWC估算。首先对prosail模型输入参数进行敏感性分析,明确各参数对模型输出反射率的影响机制,以优化prosail模型输入参数设置并生成低矮植被的反射率模拟数据。基于模拟数据,计算了4个植被水分指数NDWI_((860,1240))、NDWI_((860,1640))、NDWI_((1240,1640))和NDWI_((860,970))用于反演低矮植被CWC和VWC。基于模拟数据的结果表明,4个植被水分指数与ln(CWC)都存在明显的线性关系,基于该关系建立了CWC估算模型。该模型可以直接用于低矮植被CWC估算,并通过VWC与CWC之间的经验关系间接计算得到VWC。模型模拟结果也表明,由于NDWI_((860,1640))和NDWI_((1240,1640))高度相关(R2=0.99),两者可以提供相似且相对较好的低矮植被CWC估算精度。基于地面实测数据的验证结果与基于模拟数据的结果表现出很好的一致性,即基于NDWI_((860,1640))和NDWI_((1240,1640))估算的VWC都有相似且较高的精度,决定系数(R2)都为0.88,均方根误差(RMSE)分别为0.4558 kg/m^(2)和0.4380 kg/m^(2)。利用Landsat 5 TM数据对NDWI_((860,1640))估算效果的验证结果显示,模型估算CWC与地面实测CWC的R2为0.84,RMSE为0.1342 kg/m^(2),估算VWC的RMSE为0.5651 kg/m^(2)。本文提出的基于NDWI_((860,1640))和NDWI_((1240,1640))的CWC/VWC估算模型可被用于低矮植被的长势监测和干旱监测,为低矮植被覆盖地表的土壤水分反演提供高质量的植被水分信息。

关键词：光学遥感 prosail 冠层含水量植被含水量植被水分指数低矮植被

Simulated Reflectance of Apple Trees in Canopy Level Based on the prosail Model and HJ-1A-HSI Data

在线全文

学校读者我要写书评

暂无评论

遥感科学（中英文版） 2019年第1期7卷 18-26页

作者： Xiaoyan Guo Xicun Zhu Jingling Xiong Ruiyang Yu Xueyuan Bai Yuanmao Jiang Dongsheng Gao Guijun Yang College of Resources and Environment Shandong Agricultural University Tai’an 271018 China Key Laboratory of Agricultural Ecology and Environment Shandong Agricultural University Tai’an 271018 China College of Horticulture Science and Engineering Shandong Agricultural University National Apple Engineering and Technology Research Center Tai’an 271018 China National Engineering Research Center for Information Technology in Agriculture Beijing 100097 China

Using the prosail radiation transfer model and HJ-1A-HSI data to simulate the canopy reflectivity of apple trees, this study lays the foundation for the inversion of canopy parameters. Taking Qixia City of Yantai City, Shandong Province as the research area, the apple tree was taken as the research object, and the hyperspectral reflectance, LAI and sample GPS of apple canopy were measured in the field. The parameters required for the prosail model were obtained by experimental methods. The model simulates the reflectivity;the HSI image data is preprocessed, and the canopy reflectivity is extracted by GPS coordinates. The prosail model and the HSI image simulated reflectance were fitted to the measured apple canopy reflectivity. The decisive factor (R2) of the simulated reflectance and the measured reflectance of the prosail model was 0.9944, and the relative error (RE%)was 0.1845. The HSI data simulated reflectance and measured reflectance. The coefficient of determination is 0.9714 and the relative error is 0.6202. Both have achieved good fitting effects and can be used for inversion studies of apple canopy parameters.

关键词： Apple Tree prosail Model HJ-1A-HSI Canopy Reflectivity

基于prosail模型和Landsat 8数据的小麦冠层含水量反演比较

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

麦类作物学报 2018年第4期38卷 493-497页

作者：侯学会王猛刘思含高帅隋学艳梁守真万华伟山东省农业可持续发展研究所山东济南250100 农业部华东都市农业重点实验室山东济南250100 环境保护部卫星环境应用中心北京100094 中国科学院遥感与数学地球研究所遥感科学国家重点实验室北京100101

为对比分析prosail模型和Landsat 8数据在植被含水量反演中的效果,以冠层等效水厚度为植被含水量指标,首先基于地面实测植被参数和Landsat 8波谱响应函数,得到基于prosail模型的宽波段反射率,并基于模拟宽波段数据和TM8卫星数据构建归... 详细信息

为对比分析prosail模型和Landsat 8数据在植被含水量反演中的效果,以冠层等效水厚度为植被含水量指标,首先基于地面实测植被参数和Landsat 8波谱响应函数,得到基于prosail模型的宽波段反射率,并基于模拟宽波段数据和TM8卫星数据构建归一化植被指数(NDVI)、增强型植被指数(EVI)及两种归一化差值水分指数(NDWI),评价每种指数与小麦冠层含水量的相关性,再基于模拟植被数据、TM8植被数据和小麦冠层含水量,开展植被水分含量的建模和验证分析。结果表明,基于prosail模型模拟得到的NDWI5和基于Landsat 8构建的NDWI5在小麦冠层含水量反演中的精度均优于NDVI、EVI和NDWI7,且二者的反演精度较为一致,可为地面实测数据过少的区域植被冠层含水量遥感反演提供一种新的思路。

关键词：小麦冠层含水量 NDWI prosail Landsat 8

Comparative analysis of GF-1,HJ-1,and Landsat-8 data for estimating the leaf area index of winter wheat

在线全文

学校读者我要写书评

暂无评论

Journal of Integrative Agriculture 2017年第2期16卷 266-285页

作者： LI He CHEN Zhong-xin JIANG Zhi-wei WU Wen-bin REN Jian-qiang LIU Bin Tuya Hasi Key Laboratory of Agri-informatics Ministry of Agriculture/Institute of Agricultural Resources and Regional PlanningChinese Academy of Agricultural Sciences National Meteorological Information Center China Meteorological Administration

Using simultaneously collected remote sensing data and field measurements, this study firstly assessed the consistency and applicability of China high-resolution earth observation system satellite 1 （GF-1） wide field of view （WFV） camera, environment and disaster monitoring and forecasting satellite （H J-l） charge coupled device （CCD）, and Landsat-8 opera- tional land imager （OLI） data for estimating the leaf area index （LAI） of winter wheat via reflectance and vegetation indices （VIs）. The accuracies of these LAI estimates were then assessed through comparison with an empirical model and the prosail radiative transfer model. The effects of radiation calibration, spectral response functions, and spatial resolution on discrepancies in the LAI estimates between the different sensors were also analyzed. The results yielded the following observations：（1） The correlation between reflectance from different sensors is relative good, with the adjusted coefficients of determination （R2） between 0.375 to 0.818. The differences in reflectance are ranging from 0.002 to 0.054. The correlation between VIs from different sensors is high with the R2 between 0.729 and 0.933. The differences in the VIs are ranging from 0.07 to 0.156. These results show the three sensors＇ images can all be used for cross calibration of the reflectance and VIs. （2） The four VIs from the three sensors are all demonstrated to be highly correlated with LAI （R2 between 0.703 and 0.849）. The linear models associated with the 2-band enhanced vegetation index （EVI2）, which feature the highest R2 （higher than 0.746） and the lowest root mean square errors （RMSE）（less than 0.21）, were selected to estimate the winter wheat LAI. The accuracy of the estimated LAI from Landsat-8 was the highest, with the relative errors （RE） of 2.18% and an RMSE of 0.13, while the H J-1 was the lowest, with the RE of 2.43% and the RMSE of 0.15. （3） The inversion errors in the different sensors＇ LAI estimates using the prosail model are small. The accuracy of the GF-1 is the hig

关键词： GF-1 WFV H J-1 CCD Landsat-80LI leaf area index prosail vegetation indices

Inversion of radiative transfer model for retrieval of wheat biophysical parameters from broadband reflectance measurements

在线全文

学校读者我要写书评

暂无评论

Information Processing in Agriculture 2016年第2期3卷 107-118页

作者： Vinay Kumar Sehgal Debasish Chakraborty Rabi Narayan Sahoo Division of Agricultural Physics Indian Agricultural Research InstituteNew Delhi 110012India

This study describes the retrieval of wheat biophysical variables of leaf chlorophyll(Cab),leaf area index(LAI),canopy chlorophyll(CCC),and leaf wetness(Cw)from broadband reflectance data corresponding to IRS LISS-3(Linear Imaging Self Scanner)sensor by inversion of prosail5B canopy radiative transfer model.Reflectance data of wheat crop,grown under different treatments,were measured by hand-held spectroradiometer and later integrated to LISS-3 reflectance using its band-wise relative spectral response function.Three inversion techniques were used and their performance was compared using different statistical parameters and target diagram.The inversion techniques tried were:a look up table with best solution(LUT-I),a look up table with mean of best 10%solutions(LUT-II)and an artificial neural network(ANN).All the techniques could estimate the biophysical variables by capturing variability in their observed values,though accuracy of estimation varied among the three techniques.Target diagram clearly depicted the superiority of LUT-II over the other two approaches indicating that a mean of best 10%solutions is a better strategy while ANN was worst performer showing highest bias for all the parameters.In all the three inversion techniques,the general order of retrieval accuracy was LAI>Cab>CCC>Cw.The range of Cw was very narrow and none of the techniques could estimate variations in it.In most of the cases,the parameters were underestimated by model inversion.The best identified LUT-II technique was then applied to retrieve wheat LAI from IRS LISS-3 satellite image of 5-Feb-2012 in Sheopur district.The comparison with ground observations showed that the RMSE of LAI retrieval was about 0.56,similar to that observed in ground experimentation.The findings of this study may help in refining the protocol for generating operational crop biophysical products from IRS LISS-3 or similar sensors.

关键词： prosail Look up table Neural network Leaf area index Chlorophyll content Target diagram IRS LISS-3