一种基于E-INFORM模型的作物冠层结构参数反演方法

技术领域

本发明涉及植被生态参数遥感反演技术领域，特别涉及一种基于E-INFORM模型的作物冠层结构参数反演方法。

背景技术

茎叶比在田间管理与作物育种中扮演着重要角色，当作物受到养分和水分胁迫时，会促使光合产物向根系的分配比例增加，导致茎叶比变化缓慢。因此茎叶比的变化揭示了环境胁迫效应，可以指导田间作物的科学施肥和合理管理。

现有技术中，当前使用遥感技术估算作物的茎叶比主要以植被指数构建统计回归模型为主。该方法假设作物理化参数与植被指数之间具有一定的关联性，使用回归方程将两者联系起来，若假设正确，可以产生精准的估算结果；若假设错误，估算结果会具有误导性。

上述现有技术存在的缺陷是：受高覆盖度下光谱饱和效应的影响，很难对作物冠层结构相关的参数做出精准的估算。

发明内容

基于此，有必要针对上述技术问题，提供一种基于E-INFORM模型的作物冠层结构参数反演方法。

本发明实施例提供一种基于E-INFORM模型的作物冠层结构参数反演方法，包括：

获取地面实测数据作物茎叶比SLR、作物冠层叶面积指数LAI，计算作物单株等效冠层叶面积指数LAI′；通过所述作物单株等效冠层叶面积指数LAI′对水平作物冠层地面覆盖率C

将修正后的相关性γ(C

根据所述地面实测数据作物茎叶比SLR和作物冠层叶面积指数LAI和多组实测光谱确定参数输入组合，将所述参数输入组合输入到E-INFORM模型中得到查找表LUT；通过所述查找表LUT的数据训练机器学习模型MTN，使用实测光谱进行验证，得到反演参数：作物茎叶比SLR与作物冠层叶面积指数LAI。

另外的，所述计算作物单株等效冠层叶面积指数LAI′包括：

其中，LAI′为作物单株等效冠层叶面积指数，LAI为作物冠层叶面积指数，SLR为作物茎叶比。

另外的，所述修正后的水平作物冠层地面覆盖率C

C

C

γ(C

其中，C

另外的，作物冠层茎叶双组分辐射传输模型E-INFORM包括：

R

C＝(1-T

R

G＝F

R＝R

其中，R为反射率，C为冠层因子，G为地表因子，R

T

T

其中，T

F

F

F

F

F

其中，F

另外的，所述确定参数输入组合包括：

根据地面实测数据作物茎叶比SLR和作物冠层叶面积指数LAI确定模拟数据范围，对模拟数据范围使用蒙特卡洛方法，得到模拟的作物茎叶比SLR和作物冠层叶面积指数LAI组合；

获取多组实测光谱，通过PSO算法对每组实测光谱中的非反演待优化参数进行优化，对每组实测光谱中优化后的非反演待优化参数取中值，将模拟的作物茎叶比SLR和作物冠层叶面积指数LAI组合与非反演参数进行组合得到参数输入组合，其中非反演参数包括非反演待优化参数和非反演非优化参数。

另外的，所述通过PSO算法对每组实测光谱中的非反演待优化参数进行优化，具体包括：

确定E-INFORM模型的输入，包括非反演待优化参数：叶绿素含量C

确定PSO算法优化的代价函数：

其中，R

对粒子群算法中的参数进行设定，包括粒子群规模，粒子维度，迭代次数，种群上下边界值，适应值；

对代价函数进行优化，当代价函数满足PSO算法的适应值时，优化过程结束，输出该光谱对应的优化后的非反演待优化参数。

另外的，所述粒子维度指的是非反演待优化参数个数，所述种群上下边界值指的是非反演待优化参数的取值范围。

本发明实施例提供的上述一种基于E-INFORM模型的作物冠层结构参数反演方法，与现有技术相比，其有益效果如下：

本发明通过将修正后的相关性γ(C

附图说明

图1为一个实施例中提供的一种基于E-INFORM模型的作物冠层结构参数反演方法的流程示意图；

图2为一个实施例中提供的一种基于E-INFORM模型的作物冠层结构参数反演方法的作物冠层水平投影中四个光照、阴影组分示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

一个实施例中，提供的一种基于E-INFORM模型的作物冠层结构参数反演方法，该方法包括：

1、作物冠层茎叶双组分辐射传输模型的构建

1)作物冠层反射光谱R的定义。INFORM模型考虑了阴影和冠层透过率的影响，但是以冬小麦冠层为例，显然没有树冠明显冠层、枝条和树干结构。于是作物冠层茎叶双组分辐射传输模型E-INFORM模型假设叶片部分为主要的冠层光照部分辐射贡献，而茎秆部分则假定为主要的阴影背景部分辐射贡献。因此作物冠层反射光谱R可以按照如下公式定义：R＝R

式中，R

2)冠层因子C的定义。C计算公式为：

C＝(1-T

式中，T

T

T

式中，LAI为作物冠层叶面积指数；hot为热点参数，θ

C

C

C

其中，k为平均单木冠层水平面积(ha)，SD为树冠密度(ha-1)，k*SD表示单位面积内树冠总面积。由于作物不存在类似于树冠明显的几何结构，而且作物冠层的绝大部分光照部分都位于叶片上，故可以使用作物冠层LAI代替原模型中的k*SD。冬小麦冠层尺度的LAI为多株作物叶片和茎秆的累积贡献。因此使用SLR对作物冠层LAI进行校正，扣除作物多个单株茎秆部分的累积贡献，其本质是获取作物单株等效LAI'。故作物冠层茎叶双组分辐射传输模型E-INFORM模型中的C

C

C

因此，可以得出C

地表因子G的定义。由于冠层高度和冠幅存在三维空间结构，在给定的光照和观测几何条件下，除了冠层目标本身会产生光照冠层和阴影冠层外，其对地表也会产生作用。整个地表总体上只存在光照和阴影两部分区域，但是可以将地表按照冠层水平投影的边界细分为两部分。地表光照部分包括在冠层水平投影范围内光照(F

G＝F

F

F

F

F

F

原INFORM模型中相关性γ(C

γ(C

其中，

γ(C

地表反射率RG和作物冠层反射率RC的计算方法。地表反射率RG和作物冠层反射率RC均利用PROSAIL模型计算得到。

R

R

2、作物茎叶比的反演方法

1)非反演参数的优化。在进行参数反演前，需要对非反演参数进行优化。因为模型中存在一些在实际测量中难以获取的非反演参数，但是这些参数又会对模型的精度和可靠性产生重要影响。选取粒子群算法(Particle Swarm Optimization，PSO)可以对非线性模型中的参数进行固定。将该方法应用到本发明中，需要输入反演参数(LAI、SLR)的测量值，通过对适应度函数均方根误差(Root Mean Square Error，RMSE)进行优化，选取适应度函数最小值对应的一组非反演参数作为最适值，进而完成非反演参数的优化。具体实施方案如下：假定有一组冬小麦的拔节期光谱数据，利用PSO分别对每一条高光谱数据对应的非反演待优化参数进行优化，然后将该组中每一个非反演待优化参数取中值，最终完成拔节期非反演参数的固定。

2)参数反演。本发明使用混合反演方法进行参数预测，该方法包括查找表的建立和反演策略的选择两个部分。具体实施方案如下：根据反演参数的实测值范围确定查找表的输入值，构建包含5000条光谱的查找表；然后基于模拟的5000条光谱数据集，使用机器学习模型MTN训练回归模型；最后将得到的回归模型应用于高光谱反射率遥感数据，对反演参数LAI和SLR进行估算。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。