遥感与地理信息系统学报

抽象的

使用高级统计方法从遥感数据中检索叶面积指数

Gowda PH、Oommen T、Misra D、Schwartz RC、Howell TA、Wagle P

绘制和监测叶面积指数 (LAI) 对于模拟地表能量平衡、蒸散量和植被生产力至关重要。遥感有助于快速收集大面积单个田地的 LAI，使用 LAI 和光谱植被指数 (SVI) 之间的经验回归，省时又省钱。然而，当太阳表面传感器几何形状、背景反射率和大气引起的冠层反射率变化大于冠层本身的变化时，这些关系可能无效。这需要开发更优越且特定于区域的 LAI-SVI 模型。近年来，统计学习方法（例如支持向量机 (SVM) 和相关向量机 (RVM)）已成功超越复杂过程的普通最小二乘 (OLS) 回归模型。本研究的目的是开发和比较基于 OLS、SVM 和 RVM 的反射率模型，以估计德克萨斯高原主要夏季作物的 LAI。在摩尔县和奥奇尔特里县随机选择的 47 个商业田地中测量了 LAI。数据收集与研究区域的 Landsat 5 卫星天桥相吻合。使用 OLS、SVM 和 RVM 模型检查了大量 SVI 推导以估算 LAI。结果分析表明，基于 TM 波段 4 和 3 的比率以及归一化差异植被指数 (NDVI) 的 SVI-LAI 模型对 LAI 最为敏感。所选模型的 R2 值从 0.79 到 0.96 不等，SVM 模型产生的结果最佳。然而，报告的 LAI 模型的准确性需要进一步评估，以考虑 LAI 的现场空间变异性，从而实现更广泛的适用性。