文献类型：期刊文章

作　　者：刘俊[1] 孟庆岩[2,3] 葛小三[1] 刘顺喜[4] 陈旭[2,3] 孙云晓[2,3]

Liu Jun;Meng Qingyan;Ge Xiaosan;Liu Shunxi;Chen Xu;Sun Yunxiao(School of Surveying and Land Information Engineering,Henan Polytechnic University,Jiaozuo 454000,China;Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100101,China;Sanya Institute of Remote Sensing,Sanya 572029,China;China Land Surveying&Planning Institute,Beijing 100035,China)

机构地区：[1]河南理工大学测绘与国土信息工程学院,河南焦作454000 [2]中国科学院遥感与数字地球研究所,北京100101 [3]三亚中科遥感研究所,海南三亚572029 [4]中国土地勘测规划院,北京100035

出　　处：《遥感技术与应用》

基　　金：四川省科技计划项目“基于大数据机器学习与冠层反射率模型结合的水稻叶面积指数提取技术”(2018JZ0054);高分辨率对地观测系统重大专项“GF‐6卫星宽幅相机地表覆盖监测及地表覆盖变化快速检测技术”(30‐Y20A07‐9003‐17/18);海南省重点研发计划项目“基于高分辨率数据的农业陆表环境关键参量遥感提取技术”(ZDYF2018231);政府间国际科技创新合作重点专项“基于红外遥感和电离层信息的地震监测预测技术研究”(2016YFE0122200)。

年　　份：2020

卷　　号：35

期　　号：1

起止页码：174-184

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：叶面积指数(Leaf Area Index,LAI)是生物地球化学循环中重要的植被结构参数。针对目前基于我国GF-1 WFV卫星影像的夏玉米多生育期LAI反演研究较少的问题,基于不同隐含层构建BP神经网络模型(BP1模型和BP2模型),对比分析BP1模型、BP2模型和6种统计模型(NDVI、RVI、DVI、EVI、SAVI、ARVI)反演之间的精度差异,并根据实测数据绘制BP1模型和BP2模型的夏玉米多生育期LAI动态变化图。结果表明:LAI与6种常用的统计模型均有良好相关性,其中NDVI指数方程式回归模型拟合度最优;BP神经网络模型整体R 2略小于统计模型,而RMSE则小于统计模型,取得了与实测值差异更小的结果,统计模型与BP神经网络模型各有优劣之处;BP2模型在R 2和RMSE均优于BP1模型,能获得更为精确的反演值,BP2整体预测精度更高;基于BP神经网络模拟夏玉米生育期反演,LAI值呈现缓慢升高—快速增长—逐渐减小的S型变化过程,基本符合作物生长规律。该研究结合不同隐含层建立的BP神经网络模型,为GF-1卫星在作物叶面积指数多生育期反演的应用推广提供了方法支撑。

关 键 词：夏玉米 叶面积指数 BP神经网络模型 统计模型 多生育期  

分 类 号：TP79]