資源一號02D衛(wèi)星高光譜數(shù)據(jù)葉面積指數(shù)估算方法

1、資源一號02D衛(wèi)星高光譜數(shù)據(jù)葉面積指數(shù)估算方法摘 要 葉面積指數(shù)（LAI）是植被最重要的結(jié)構(gòu)參數(shù),既是地表蒸散模型的重要輸入?yún)?shù),又 是決定生物量和產(chǎn)量的關(guān)鍵因子$資源一號02D衛(wèi)星作為我國自主建造并成功運(yùn)行的民用高光 譜衛(wèi)星，其高光譜數(shù)據(jù)為葉面積指數(shù)這一參量的反演提供了更為精細(xì)的波段選擇$文章以資源一 號02D衛(wèi)星高光譜數(shù)據(jù)為數(shù)據(jù)源，應(yīng)用輻射傳輸模型生成不同植被和土壤背景條件下的反射率光 譜，并通過特征選擇減少數(shù)據(jù)冗余，篩選與葉面積指數(shù)相關(guān)的關(guān)鍵吸收反射信息，應(yīng)用機(jī)器學(xué)習(xí)方 法構(gòu)建葉面積指數(shù)的反演模型，并對所構(gòu)建模型的精度進(jìn)行評價$結(jié)果表明：輻射傳輸模型與機(jī)器 學(xué)習(xí)相結(jié)合的方法可以實(shí)現(xiàn)對葉面

2、積指數(shù)的估算，并得到較高的模型精度（R2=0. 77）,可嘗試應(yīng) 用于區(qū)域葉面積指數(shù)產(chǎn)品生產(chǎn)$關(guān)鍵詞 資源一號02D衛(wèi)星；葉面積指數(shù)；輻射傳輸模型；隨機(jī)森林Leaf Area Index Estimation Algorithm of ZY-1-02D SatelliteAbstract: Leaf area index (LAI) is the most important structural parameter of vegetat i on. It is not only an important input parameter of surface evapotransprratio

3、n model, but also a key factor determining biomass and yield. The paper uses hyperspectral data of ZY102D satellite to carry out the estimation of leaf area index by combining a radiative transfer model with a machine learning method. Firstly, we calculate reflectance spectra under different vegetat

4、ion and soil background conditions by using the rad i at i ve transfer model. Then, we reduce redundant data by feature selecton :n order to extract key absorpton and reflecton :nformaton related to LAI.F nally , we construct the LAI :nverson model by mach ne learnng and we evaluate the accuracy of

5、the model. The method of combining radiative transfer model with machine learning can realZe the estimation of leaf area index and get a higher model accuracy (R2 = 0. 77). It can be applied to regonal leaf area :ndex products.Key words：ZY102D satellite； LAI radiative transfer model & random forest葉

6、面積指數(shù)（Leaf Area Index, LAI）指單位面 積上單面綠葉面積的總和葉面積指數(shù)反應(yīng)了 生態(tài)系統(tǒng)中的葉子數(shù)量，由于葉面積指數(shù)可以表 征植被冠層中的物質(zhì)和能量交換，它也被認(rèn)為是 植被狀況、生產(chǎn)力和光合能力的重要指標(biāo)。葉 面積指數(shù)測量方法有直接法和間接法，直接法采 用地面測量方式，這種方法在植被監(jiān)測中起著重 要作用，不僅可以保證測量的精度，還可作為真實(shí) 值用于間接方法的驗(yàn)證&當(dāng)樣本足夠具有代表性 時，直接方法被認(rèn)為比間接方法更準(zhǔn)確，因此通常 用于驗(yàn)證間接方法&然而，直接方法通常耗時、勞 動強(qiáng)度大，并且通常對植被具有破壞性，這限制了 它們的應(yīng)用，并且使得它們不適用于高時間和空 間頻率測

7、量$8。如何迅速、準(zhǔn)確且無損地獲取局 部及區(qū)域尺度植被生化參數(shù)含量及其分布狀況地 信息尤為重要&空間遙感技術(shù)作為快速大面積獲 取對地觀測的技術(shù)，在LAI定量反演方面得到了 廣泛應(yīng)用&資源一號02D衛(wèi)星（又稱為5米光學(xué) 業(yè)務(wù)衛(wèi)星）于2019年9月12日成功發(fā)射，由自然 資源部主持建造，是資源一號02C星的接續(xù)星，屬 于中等分辨率遙感業(yè)務(wù)衛(wèi)星&該星主推光譜分辨 率，定位于中等分辨率、大幅寬觀測和定量化遙感 任務(wù)，可提供豐富的地物光譜信息&本文以資源一號02D衛(wèi)星的高光譜數(shù)據(jù)為數(shù) 據(jù)源，采用輻射傳輸模型與機(jī)器學(xué)習(xí)相結(jié)合的方 法開展植被葉面積指數(shù)的估算&首先應(yīng)用輻射傳 輸模型生成不同條件下的植被反射光

8、譜，并通過 特征選擇減少數(shù)據(jù)冗余，篩選與葉面積指數(shù)相關(guān) 的吸收反射信息，應(yīng)用機(jī)器學(xué)習(xí)方法構(gòu)建葉面積 指數(shù)的反演模型，并應(yīng)用于高光譜數(shù)據(jù)進(jìn)行葉面 積指數(shù)估算&1研究區(qū)概述本文以影像所覆蓋的懷來縣部分區(qū)域?yàn)檠芯?區(qū)，懷來縣位于河北省西北部，地處燕山山脈北側(cè)， 永定河上游，地理坐標(biāo)為東經(jīng)115、北緯40。東南 部與北京市延慶、昌平及門頭溝區(qū)接壤，西北部與宣 化、下花園區(qū)相連，西南部與涿鹿縣毗鄰，北部與赤 城縣交界&懷來縣地貌形態(tài)主要有河川平原、丘陵 和山地等類型，地處中溫帶半干旱區(qū)，屬溫帶大陸性 季風(fēng)氣候，具有四季分明，光照充足，雨熱同季，晝夜 溫差大等氣候特點(diǎn)（見圖1）。圖1研究區(qū)位置Fig. 1

9、 Location of the study area2數(shù)據(jù)準(zhǔn)備本研究選取資源一號02D衛(wèi)星于2020年8月 13日成像的高光譜數(shù)據(jù)（AHSI傳感器），成像參數(shù) 見表1。通過ENVI5. 3軟件的FLAASH大氣校正 功能，對高光譜數(shù)據(jù)進(jìn)行大氣校正，得到地表反射率 數(shù)據(jù)&表1資源一號02D衛(wèi)星成像參數(shù)Table 1 Imaging parameters of ZYT-02D satellite傳感器類型波段設(shè)置空間分辨率（m高光譜相機(jī)（AHSI）0. 402. 50$m,共166個譜段30可見光近紅(Visible Nearinfrared)10 nm,共76個譜段30短波紅外 (ShortW

10、ave infrared)20nm,共90個譜段3研究方法3. 1輻射傳輸模型生成模擬數(shù)據(jù)冠層輻射傳輸模型定量描述了植被覆蓋度與冠 層光譜反射率之間的物理依賴關(guān)系& PROSAIL模 型山因其高精度和計算效率$5#而被廣泛用于生物 物理參數(shù)估計&在PROSAIL模型中，PROSPEC- 模型用于模擬4002500 nm之間的葉片反射率和 透射率&然后，葉片的光譜信息作為SAIL模型的 輸入?yún)⒘?5。由于參數(shù)設(shè)置會影響計算速度和輸出 的冗余度，已有研究結(jié)果表明:PROSAIL輻射傳輸 模型的輸入?yún)?shù)在一定的合理誤差范圍內(nèi)是允許 的，并且不會明顯降低參數(shù)反演的精度因此根據(jù) 之前的研究，設(shè)置PROS

11、AIL耦合輻射傳輸模型 的輸入?yún)?shù)(見表2)。在模擬400-2500 nm冠層反射率之后，根據(jù)資 源一號02D衛(wèi)星AHSI高光譜數(shù)據(jù)的光譜響應(yīng)函 數(shù)，經(jīng)光譜重采樣獲得與傳感器波段及帶寬相一致 的模擬數(shù)據(jù)，訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集分別生成。表2 PROSAIL模型參數(shù)設(shè)置Table 2 Parameter settings of the PROSAIL model模型表述變化范圍分布PROSPECT葉片結(jié)構(gòu)參數(shù)12均勻分布葉片葉綠素a+b含量/ ($g cm 2)20 80均勻分布葉片干物質(zhì)含量/(gcm2)0. 002-0. 2均勻分布等效水厚度/cm0. 005-0. 02均勻分布SAIL太陽

12、天頂角/()35葉面積指數(shù)07均勻分布平均葉傾角/()20 50均勻分布熱點(diǎn)參數(shù)0. 1土壤反射率作為PROSAIL模型的重要輸入?yún)?量，本文選取中心構(gòu)建的波譜庫中的地面實(shí)測的18 種類型土壤光譜數(shù)據(jù)作為輸入，用來代表不同類型 土壤的反射率(見圖2)。0 I111400700100013001600波長/nm0 I111400700100013001600波長/nm白漿土 一 粗骨土一 褐土砂疆黑土 一鹽土 一紫色土 黑土 一黃褐土一峻土，紅壤 水稻土灰土190022002500黑鈣土棕壤潛育土 黃壤黑坊土潮土圖2不同土壤類型的反射光譜Fig. 2 Reflectance spectra of

13、 different soil types3. 2隨機(jī)森林算法隨機(jī)森林(Random Forest, RF)算法具有諸多 優(yōu)勢，如計算速度快、經(jīng)驗(yàn)關(guān)系好，對噪聲不敏感以 及不會產(chǎn)生過擬合等，被廣泛用于處理變量選擇、分 類和回歸問題。在遙感技術(shù)中，隨機(jī)森林算法常用 來處理高維數(shù)據(jù)，如高光譜數(shù)據(jù)，隨機(jī)森林算法也經(jīng) 常被用于遙感影像分類和遙感參數(shù)反演等研究，因 此，在生態(tài)重點(diǎn)區(qū)域的監(jiān)測中具有巨大的應(yīng)用潛力。隨機(jī)森林回歸(RFR)是眾多回歸樹的集合，這 些回歸樹通常是二叉決策樹T$,每棵樹的預(yù)測值的 平均值作為隨機(jī)森林的預(yù)測結(jié)果。隨機(jī)森林回歸的 主要優(yōu)勢是隨著森林中樹的數(shù)量增加，它不會過擬 合，而且生

14、成一個泛化誤差的極限值，同時，隨機(jī)森 林對噪聲數(shù)據(jù)有很強(qiáng)的魯棒性#10$。對于數(shù)據(jù)維度 和樣本量大致相等或大于樣本量的情況，隨機(jī)森林 回歸仍然能取得很好的表現(xiàn)。隨機(jī)森林使用一些衡 量變量重要性的指標(biāo)來對變量進(jìn)行排序，然后進(jìn)行 變量選擇以降低數(shù)據(jù)維度。資源一號02D衛(wèi)星 AHSI高光譜數(shù)據(jù)，由于波段之間的相關(guān)性較大，需 要進(jìn)行降維處理，隨機(jī)森林算法根據(jù)計算得到的輸 入變量的重要性，篩選出波段15、19、23、28、35、39、 42)49和53,用于模型的構(gòu)建。4結(jié)果與分析通過隨機(jī)森林方法構(gòu)建預(yù)測模型用于資源一號 02D衛(wèi)星高光譜數(shù)據(jù)葉面積指數(shù)的估算?；谀M 數(shù)據(jù)的模型驗(yàn)證精度見圖3,相關(guān)系數(shù)

15、R2為0. 770 高光譜數(shù)據(jù)真彩色合成圖和葉面積指數(shù)反演結(jié)果見 圖 4(a)和(b)。圖3基于模擬數(shù)據(jù)的精度驗(yàn)證Fig. 3 Validation based on simulated data(a) AHSI數(shù)據(jù)真彩色合成圖(b) AHSI數(shù)據(jù)LAI(a) AHSI數(shù)據(jù)真彩色合成圖(b) AHSI數(shù)據(jù)LAI估算結(jié)果圖4 資源一號02D衛(wèi)星AHSI數(shù)據(jù)及L(I估算結(jié)果Fig. 4 AHSI data and LAI estimations ofZY-1-02D通過對陰影區(qū)像元光譜進(jìn)行分析，陰影區(qū)地物光譜 的吸收反射特征由于所接收到太陽輻射減少，雖譜 形特征變化較小，但反射率整體降低隨機(jī)森林算 法所篩選出的特征波段，主要集中在綠光、紅光、紅 邊及近紅外波段，在此波譜范圍內(nèi)，陰影區(qū)像元與臨 近正常光照區(qū)域像元光譜特征相比較存在差異，這 可能導(dǎo)致陰影區(qū)估算結(jié)果的異常5結(jié)束語本文以資源一號02D衛(wèi)星的高光譜數(shù)據(jù)為數(shù) 據(jù)源，采用輻射傳輸模型與機(jī)器學(xué)習(xí)相結(jié)合的方法 開展植被葉面積指數(shù)的估算通過對結(jié)果分析可以 得到：資源一號02D衛(wèi)星的高光譜數(shù)據(jù)可以通過輻 射傳輸模型與機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)對植被葉面積指 數(shù)的估算，并且得到較為理想的估算結(jié)果高光譜 數(shù)據(jù)166個譜段，為植被生物物理參量的估算提供 了更多的波段選擇和精細(xì)化的波譜信息，可提高估 算結(jié)果的準(zhǔn)確性