作物遥感监测方法与模型 (3)讲解

《农业装备物联网技术》机电工程学院第六章农业遥感物联网技术与应用务本崇实修德精业6.2.2作物遥感监测方法与模型6.2信息处理及网络传输6.2.2作物遥感监测方法与模型6.2.2 作物遥感监测方法与模型本节主要介绍农业遥感物联网的信息处理中的主要模型与方法。利用叶片、冠层、航空/卫星平台的定量遥感技术可以快速、非破坏性地诊断植被营养状况，为大面积监测作物长势、农情速报、遥感估产和品质预报提供理论基础。6.2.2 作物遥感监测方法与模型1.在物生物物理化学参数的模型反演植被地物的植物生物化学参数的反演方法可以分为两类:物理模型反演方法与经验和半经验方法。6.2.2 作物遥感监测方法与模型前者涉及叶片和冠层的结构、辐射传输等复杂问题，需要将辐射传输的机理和生化组分的光谱吸收特性结合起来研究。后者相对比较简单，也应用比较广泛，但在实际应用中容易出现问题，部分结果和模型可能仅是数据统计结果，没有相关机理解释，波长选择没有逻辑因果关系，波段可能会选在另一种生化因子吸收特征上，造成因子相关等。6.2.2 作物遥感监测方法与模型模型反演就是通过最小化模拟值与实测值之间的差异计算输入参数的过程。反演时首先构造代价函数，代价函数是传统反演算法选用较多的-种形式:Cost(X)=Σ[Rmes- R(P，X)]2 (6-1)式中，Rmes为观测值，R为模型的模拟值，P为模型的已知参数，X为模型的未知参数。6.2.2 作物遥感监测方法与模型有时考虑到观测值对代价函数的贡献不同，人们对每个观测值加以不同的权重，权重的总和为1，权重的取值可以人为指定或通过观测数据统计求得，从而构造如下代价函数:Cost(X)=ΣWK[Rmes,k- R(Pk，X)]2 (6-2)6.2.2 作物遥感监测方法与模型实际使用时，代价函数的选取需根据具体问题来分析。物理模型的反演就是使得代价函数最小，此时的参数值即为所需，代价函数最小化的过程即为迭代优化的过程，优化的过程可以用流程图(图6.8)。6.2.2 作物遥感监测方法与模型6.2.2 作物遥感监测方法与模型(1)给出模型参数X的一个初始估计X0，代人模型，计算模型值。(2)通过观测数据和(1)的结果，计算代价函数Cost(X0);如果代价函数小于某个给定的阂值则反演结束，否则进入 (3)。(3)通过某个搜索方向找到另一个x'，代替X0，重复步骤(1)和(2)。(4)重复(3)，直到代价函数收敛或小于某个给定的阂值，或者迭代次数达到给定值则反演结束。6.2.2 作物遥感监测方法与模型不同的算法决定了优化的快慢，DownhillSimplexMethod(NelderJ.A.，MeadR.，1965)是一种比较传统的优化算法，因其使用简单，并且不需要计算优化函数的导数信息，因此得到广泛应用，RussellR.BartonandJohnS.1vey，Jr.(1991)在收敛速度方面对其进行了改进。图6.8为植被参数模型反演流程图。6.2.2 作物遥感监测方法与模型2.植被指数方法

植被指数是遥感应用研究的常用方法之一，并成功应用于叶绿素、氮、植株含水量、叶面积指数等生物物理参量和光合作用等生态功能参量。一些常用植被指数的定义和公式、出处见表6.2。6.2.2 作物遥感监测方法与模型6.2.2 作物遥感监测方法与模型3.定量遥感肥水参数与作物模型的链接

遥感的优势在于多尺度、多角度、多波段、多时相地提供大范围的对地观测数据，能够及时获取地表特征信息NDVI、亮度指数和地表辐射温度等;并通过遥感模型和先验知识介入的遥感定量反演，进一步获取地表特征参数一地表反射率、叶面积指数(LAI)、叶绿素含量、地面组分温度和土壤水分含量等。6.2.2 作物遥感监测方法与模型但当遥感参数应用于作物管理时，就需要与作物模型很好地链接起来，使其与作物生长发育阶段、作物长势及环境因素有机结合。6.2.2 作物遥感监测方法与模型为了实现遥感参数与作物模型的链接，一方面需要通过大量的多年、多点的试验资料，通过模拟验证建立通过验证的作物模型;另一方面，由航天、航空遥感得到的数据，经过处理得到可以与相应作物模型链接的遥感参数，然后将此遥感参数与通过验证的作物模型进行链接，建立含有遥感参数的遥感-作物链接模型，并对建立