基于Sentinel-2影像与PROSAIL模型参数标定的玉米冠层LAI反演

叶面积指数(LAI)与植被光合作用、蒸腾作用、生物量的形成等有密切联系,是玉米长势监测、灾害胁迫监测、产量预测等重要参数之一,也是辐射传输模型、作物生长模型等机理模型的一个重要参数。Sentinel-2卫星是“全球环境与安全监测”计划的第二颗卫星,具有较高的时空分辨率,且具有红边波段,其可见光和近红外波段的分辨率为10m,是农业遥感应用的理想数据源。PROSAIL辐射传输模型是遥感反演玉米冠层LAI的有效途径,然而在反演中存在输入参数不确定性大、调参困难、病态反演、速度慢等问题。模型的参数标定能够获取观测反射率及不确定性范围内的参数取值,提供丰富准确的参数信息,降低模型反演过程中的偏差。为探索参数标定在玉米冠层LAI反演中的应用,研究以Sentinel-2A卫星影像为数据源,使用马尔可夫链蒙特卡洛方法(MCMC)对PROSAIL模型进行参数标定,通过加入5%的观测光谱不确定性,获取各参数在不确定性范围内的后验取值概率分布,以优化反演过程中的参数设置,提高LAI反演精度。研究结果表明:(1)PROSAIL模型对可见光和近红外波段较为敏感的输入参数有LAI、叶片叶绿素含量及结构系数,将此三个参数作为查找表反演中的可变参数能够有效地进行LAI的反演,反演精度的决定系数达0.7以上。(2)MCMC方法能够对PROSAIL模型进行参数标定,获取研究区内玉米各参数取值分布信息,参数后验分布与实际情况接近,表明利用MCMC方法进行参数标定可行有效。(3)通过参数标定可以有效提高LAI的反演精度,在降低反演偏差和异常值方面尤为明显,参数标定优化后的反演平均偏差由原先的20%降低至8%,同时估算精度由76%提高至90%。研究结果表明:利用MCMC进行PROSAIL模型参数标定,能够提高PROSAIL模型的LAI反演精度,降低反演偏差,为利用PROSAIL辐射传输模型提高作物冠层参数反演精度提供借鉴。

基于无人机影像的小麦植株密度估算方法研究

小麦是密植型作物,每亩地的播种量近20 kg,冬小麦植株密度的高低会直接影响最终产量,因此,实时监测小麦植株密度是保证小麦产量的重要途径。目前,获取小麦植株密度的主要方式是以人工测量为主,费时、费力。本文利用大疆悟2无人机(unmanned aerial vehicle,UAV)搭载禅思X4S相机,分架次获取小麦种植区的高分辨率可见光影像,基于无人机影像提取小麦覆盖度,并建立小麦覆盖度与植株密度之间的关系,从而实现基于UAV影像的小麦植株密度的快速获取。实验表明:①利用改进的HSI颜色模型提取小麦覆盖度比传统目视估测、人工计数等分类方法提高了提取精度及效率,克服了不同架次无人机影像的光照条件差异以及阴影的影响;②苗期、越冬期和返青期小麦覆盖度与植株密度之间都具有较高的相关性,其中,基于无人机影像提取的覆盖度与小麦植株密度的相关系数R2在3个生育期分别为0.7379,0.8981和0.8976。利用牛腾雨村样本对关系模型的验证结果显示,基于所建立的关系模型的反演结果与实测值之间也具有较好的相关性,R2达到了0.9198。