[发明专利]基于ARD回归算法的水稻叶面积指数遥感反演模型和方法

说明书

本发明提供一种基于ARD回归算法的水稻叶面积指数遥感反演模型，基于ARD回归算法的水稻叶面积指数遥感反演模型为Python语言的ARD回归模型，并进一步提供了该ARD回归模型的模型参数。还提供了基于ARD回归算法的水稻叶面积指数遥感反演方法。本发明的基于ARD回归算法的水稻叶面积指数遥感反演模型能够快速、准确的获取水稻叶面积指数信息，克服作物冠层覆盖以及复杂的土壤背景信息带来的光谱叠加效应造成的叶面积指数特征波段难以确定的困难，大大提高水稻叶面积指数反演模型精度，设计巧妙，计算简便，易于实现，成本低，适于去大规模推广应用。

技术领域

本发明涉及农业遥感技术领域，特别涉及水稻叶面积指数测量技术领域，具体是指一种基于ARD回归算法的水稻叶面积指数遥感反演模型和方法。

背景技术

作物冠层的形成影响作物光合、蒸腾作用等关键生理过程，而作物叶面积指数(leaf area index，LAI)是描述作物冠层结构的一个重要参数。同时，LAI是许多作物生长模型、长势评价模型、作物估产模型的重要参数(李宗南，陈仲新，王利民，等.2种植物冠层分析仪测量夏玉米LAI结果比较分析[J].中国农学通报,2010,26(7):84-88)。

LAI可通过地面实测和遥感反演两种途径获得。地面实测LAI需要耗费大量的时间和人力物力，数据的精度和可靠性需要进一步提高，非常不利于推广应用。随着遥感技术的快速发展，使用遥感技术反演LAI成为遥感反演领域中的重点和难点。目前使用高光谱遥感反演LAI成为精确获取LAI的一种重要方法。(夏天,吴文斌,周清波,等.冬小麦叶面积指数高光谱遥感反演方法对比[J].农业工程学报,2013(3):139-147；林卉,梁亮,张连蓬,等.基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演[J].农业工程学报,2013,29(11):139-146；杨燕，田庆久.高光谱反演水稻叶面积指数的主成分分析法[J].国土资源遥感,2007,73(3):47-50)。

目前，使用高光谱数据反演LAI的主要方法为光谱植被指数法，使用各种植被指数，构建特征波段的线性组合模型。在构建LAI反演模型的过程中，由于作物覆盖以及土壤背景的相互作用，使得LAI反演模型的精度不甚理想。目前全波段高光谱光谱仪所测定的光谱范围涵盖了350nm～2500nm，但是主要的特征波段选取仍然局限于可见光及红外波段附近，未能充分利用高光谱数据信息量丰富的特点和优势。

因此，希望提供一种水稻叶面积指数遥感反演模型，其能够快速、准确的获取水稻叶面积指数信息，克服植被覆盖以及土壤背景复杂效应造成的水稻叶面积指数特征波段难以确定的困难，充分考虑高光谱分辨率的地面反射率数据中所包含丰富叶面积指数的信息，大大提高水稻叶面积指数反演模型精度。

发明内容

为了克服上述现有技术中的缺点，本发明的一个目的在于提供一种基于ARD回归算法的水稻叶面积指数遥感反演模型，其能够快速、准确的获取水稻叶面积指数信息，克服作物冠层覆盖以及复杂的土壤背景信息带来的光谱叠加效应造成的叶面积指数特征波段难以确定的困难，大大提高水稻叶面积指数反演模型精度，适于大规模推广应用。

本发明的另一目的在于提供一种基于ARD回归算法的水稻叶面积指数遥感反演模型，其设计巧妙，计算简便，易于实现，成本低，适于大规模推广应用。

本发明的另一目的在于提供一种基于ARD回归算法的水稻叶面积指数遥感反演方法，其能够快速、准确的获取水稻叶面积指数信息，克服作物冠层覆盖以及复杂的土壤背景信息带来的光谱叠加效应造成的叶面积指数特征波段难以确定的困难，大大提高水稻叶面积指数反演精度，适于大规模推广应用。

本发明的另一目的在于提供一种基于ARD回归算法的水稻叶面积指数遥感反演方法，其设计巧妙，操作简单方便，成本低，适于大规模推广应用。