成果信息:
Lin, D., Jian, Y., Jia S., et al, Leaf Biochemistry Parameters Estimation of Vegetation Using the Appropriate Inversion Strategy. Frontier in Plant Science, 2020.
DOI: 10.3389/fpls.2020.00533
团队成员:
杜霖,博士,bat365官网登录入口,特任副教授,硕士生导师,主要从事高光谱激光雷达及其植被遥感应用、环境遥感、植被数据融合、同化等方面的研究。(邮箱:dulin@cug.edu.cn)
龚威,武汉大学教授,博士生导师,测绘遥感信息工程国家重点实验室副主任,主要从事激光雷达、大气科学、辐射等方面研究。
杨健,bat365官网登录入口,特任副教授,硕士生导师,主要从事植被叶绿素荧光及激光激光雷达等方面的研究。
孙嘉,bat365官网登录入口,特任副教授,主要从事高光谱激光雷达、植被光学模型及其参数反演方法等方面的研究。
研究背景及意义:
植被的生化参数含量是反映其生长状态的重要指标,包括叶绿素(Cab),类胡萝卜素(Car),干物质(LMA)以及等效水厚度(EWT)等,因此对这些生化参数的准确估计是植被遥感的重要研究方向之一。现有的遥感手段主要采取生化参数敏感波段的光谱特征选取技术来实现,但是会存在一些不足:1)特定敏感波段的光谱特征与诸多生化参数相关;2)各个生化参数之间具有较强的互相关性。这样会导致反演某一生化参数时选择特征光谱波段较为困难,以及反演结果的不准确,因此在实际反演时须采取一定的反演策略。
研究方法:
鉴于此,本研究结合模型模拟光谱和两个实测光谱库(ANGERS和LOPEX),采用改进的ANN算法获取不同数目的敏感波段,对上述四个主要植被生化参数构建反演模型,期间将主要采用以下反演策略:
1) 分别采用反射光谱(R)、透射光谱(T)以及结合二者特征;
2) 同时-单独反演上述四个生化参数;
3) 针对LMA和EWT不同的敏感波段范围,选取新的光谱子空间实施反演。
实验结果:
基于模拟光谱研究发现,对于EWT和LMA而言,透射谱具有较强的反演能力;另外结合二者(R&T)可以有效地改善Cab、Car反演模型的R2,尤其是在反射光谱和透射光谱对参数的反演能力较弱时(表1)。
表1 基于不同ANN模型同时反演四个参数。使用的数据是由PROSPECT-5模型根据参数不同分布特征模拟的两个光谱库
Spectra |
FW-ANNs (R2/RMSE) |
|
PCA-ANNs (R2/RMSE) |
Cab |
Car |
EWT |
LMA |
|
Cab |
Car |
EWT |
LMA |
|
D1: Gaussian distribution considered high correlation among each parameter |
R |
0.46/7.071 |
0.35/1.623 |
0.59/0.00191 |
0.71/0.00111 |
|
0.39/6.471 |
0.40/1.121 |
0.82/0.00193 |
0.75/0.00123 |
T |
0.52/6.001 |
0.48/1.092 |
0.65/0.00174 |
0.79/0.0014 |
|
0.74/8.362 |
0.70/1.642 |
0.79/0.00213 |
0.72/0.00133 |
R & T |
0.76/8.922 |
0.75/1.672 |
0.87/0.00194 |
0.80/9.3e-44 |
|
0.76/7.732 |
0.70/1.582 |
0.84/0.00223 |
0.77/0.00133 |
|
D2: Gaussian distribution |
R |
0.88/18.341 |
0.68/4.362 |
0.84/0.00271 |
0.73/0.00263 |
|
0.81/14.964 |
0.91/3.181 |
0.82/0.00294 |
0.82/0.00134 |
T |
0.76/21.064 |
0.71/4.863 |
0.87/0.00251 |
0.84/0.00221 |
|
0.67/10.481 |
0.826/3.414 |
0.90/0.00231 |
0.89/0.00154 |
R & T |
0.78/27.831 |
0.71/6.114 |
0.73/0.01984 |
0.66/0.00321 |
|
/ |
/ |
/ |
/ |
通过模拟数据的分析,我们得出:在将所有的参数一起反演时模型具有较高的R2,尤其是将Cab&Car,LMA&EWT结对进行分析时。因此进行实测光谱实验时,我们按照这种策略进行了相关分析:
图1 同时-单独反演策略在Cab、Car分析中的表现。a,c代表同时反演,b,d代表单独反演
但是结果表明采用上述反演策略分析Cab和Car时,模型并没有得到有效的改善(图1);而且结合光谱(R&T)在模型中也没有体现出明显的反演优势;反而在选取新的光谱子空间后对LMA&EWT进行反演时,发现模型表现有些许改善(图2),尤其是对于光谱库ANGERS而言,模型的R2可以有原来的低于0.4提高到接近于0.6。
图2 同时-单独反演策略在LMA、EWT分析中的表现,反演时的敏感波段选取为三个不同范围,即750-950, 1300-1700, and 1850-2000 nm,共753个波段。a,c代表同时反演,b,d代表单独反演
研究结论:
必要的反演策略研究可以有效指导生化参数反演的过程,以排除参数之间存在的内在联系对反演模型的影响;同时还可以探究影响模型反演准确性的其他因素,包括构建模型使用的数据降维算法,选取参数敏感波段的过程、数量以及范围等。