基于高光谱数据和RBF神经网络方法的草地叶面积指数反演

基于中国农业科学院在呼伦贝尔草原实测的120组草地冠层光谱反射率及相应的叶面积指数(LAI)数据,在进行主成分分析(PCA)实现降维处理的基础上,利用径向基函数(radial basis function,RBF)神经网络方法对草地LAI进行了高光谱反演研究.PCA结果表明,前9个主成分的累积贡献率达到了99.782％,能包含原光谱数据的绝大部分信息.将120组LAI及相应的9个主成分样本数据随机分为校正集数据(90组)和预测集数据(30组),分别用于神经网络模型的建立和LAI的预测.所构建的神经网络模型的模拟结果表明,RBF神经网络模型对校正集样本的模拟准确率达到100％(RMSE =0.009 6,R2 =0.999);预测集样本的实测LAI和模拟LAI之间的均方误差和决定系数分别为0.218 6和0.839,取得了较好的模拟效果,有效提高了传统的多元线性回归方程(RMSE =0.416 5,R2=0.570)的计算精度.     

Leaf Area Index Estimation Using Time-Series MODIS Data in Different Types of Vegetation

The aim of this study is to estimate leaf area index (LAI) in different type of plants using vegetation indices (VIs) and neural network algorithms retrieved from MODIS data. Four VI were calculated, and neural networks were built up based on MODIS surface reflectance products. Among the tested VIs, normalized difference vegetation index (NDVI) and chlorophyll index (CI) appeared to be the best candidate indices in estimating LAI across sites with different vegetation types. The models having the highest accuracy were CI for grassland and deciduous broad leaf forest with determination coefficients (R-square above 0.70, and NDVI for crop R-square?=?0.78). Neural network showed better results than VI methods except in grassland sites. The added VI information showed no significant improvement of model accuracy for the neural networks in most sites.     

结合雷达影像纹理特征的作物叶面积指数估测

研究了结合雷达影像纹理特征进行作物叶面积指数(LAI)估测的可行性,分析了作物LAI与多极化雷达纹理特征的相关性。将ENVISATASAR影像6种纹理特征与实测玉米的LAI进行相关分析发现,HH极化影像的灰度共生矩阵纹理特征与玉米LAI的相关性较VV极化的高;HH极化影像的对比度、异质性,VV极化影像的偏度、均质性等纹理特征与实测LAI均有较大的相关性。分别对两种极化影像雷达波散射强度及纹理特征与实测LAI进行多元回归分析,发现HH极化方式的相关系数达到0.68、VV极化的为0.87。说明结合纹理特征的雷达估测作物LAI方法具有一定的可行性。     

LiDAR不同强度校正法对樟子松叶面积指数估测的影响

机载激光雷达（LiDAR）强度数据在获取过程中受多种因素影响,各因素影响的有效量化及校正对机载LiDAR强度校正及应用具有重要意义。本文以雷达方程为基础,分别采用距离、入射角及距离和入射角对LiDAR点云强度进行校正,从中提取冠层总强度和强度比值两类参数,用于估测森林叶面积指数（LAI）,以期量化各影响因素强度校正对不同类型参数估测森林LAI的影响。结果表明：强度经距离校正能够提高森林LAI的估测精度,而强度经数字高程模型衍生入射角校正非但没能提高估测精度,反而降低了估测精度。强度经距离和入射角综合校正虽能提高森林LAI的估测精度,但结果却低于距离单独校正的结果。与此同时,对冠层总强度参数而言,强度校正前后森林LAI估测结果的差异较为明显,而对强度比值参数而言,强度校正前后森林LAI估测结果差异不大。综上可知,不同因素强度校正对森林LAI估测的影响不同,且影响程度与所用参数变量类型密切相关。因此,在未来强度应用研究中,应根据变量参数类型选择合适的校正方式,以避免不恰当校正造成的成本浪费及精度降低。     

美国西部黄松叶面积指数与高光谱分辨率CASI数据的相关分析

本文介绍了美国俄罗冈州西部黄松的叶面积指数(LAI)与小型航空光谱制图成像仪(CASI)获取的高光谱分辨率数据进行的相关分析。在试验场地上使用LAI-2000植物冠层分析仪测得8个LAI值(0.87—2.72)。对CASI数据进行一阶和二阶微分处理,以减少土壤背景光谱对森林光谱的影响。使用逐步回归分析方法探索LAI与CASI数据的关系。由回归分析产生多元线性方程和相应的拟合度(GOF)及估计LAI的标准误(SE)。结果说明光谱微分技术能够提高LAI和CASI数据的相关性,因而可以改善LAI的估计精度。如,对于单通道LAI预测的最高GOF值是0.681,SE是0.345,而经一阶和二阶光谱微分处理后,GOF被分别提高到0.904和0.898,SE被分别降低到0.189和0.195.     

General Regression Neural Network and Radial Basis Neural Network for the Estimation of Crop Variables of Lady Finger

Estimation of crop variables is necessary for crop type monitoring as well as crop yield forecast. At the present era artificial neural network methodology are widely used to the remote sensing domain for numerous applications like crop yield forecasting and crop type classification. In the present work, two neural network models namely general regression neural network (GRNN) and radial basis function neural network (RBFNN) are used to estimate crop variables: leaf area index (LAI), biomass (BM), plant height (PH) and soil moisture (SM) by using ground based X-band scatterometer data. The both networks are trained and tested with X-band scatterometer data. The performance of the GRNN and RBFNN networks are found that the radial basis approach is more suitable for crop variable estimation in comparison to the GRNN approach. This work presents the applicability of neural network as an estimator and method employed could be useful to estimate the crop variables of other crops.     

New Triangle Vegetation Indices for Estimating Leaf Area Index on Maize

Vegetation index-based methods have been widely used to determine the leaf area index (LAI). Nevertheless, under the high canopy coverage, the estimation ability of current inversion models has been profoundly decreased, due to the “saturation” phenomenon. In this study, the LAI of maize was investigated under various growth conditions. Two new triangular vegetation indices were proposed to improve the inversion ability and estimation accuracy of LAI on maize. The triangle difference vegetation index (TDVI) and triangle ratio vegetation index (TRVI) were constructed, and their accuracies were compared with the present spectral vegetation index models. The result shows that TDVI and TRVI are highly linearly correlated with LAI. The coefficients of determination (R²) and root-mean-square errors are, respectively, 0.92 and 0.94, and 1.42 and 0.92 using the simulated data, while they are, respectively, 0.83 and 0.77, and 0.98 and 1.05 using the measured data. In comparison with other vegetation indices (e.g. MSR, MTVI2, RTVI), TDVI is better able to estimate the LAI of maize. Conversely, TRVI has better inversion ability when the LAI is more than 3. Overall, TDVI is an accurate and robust approach for estimating the LAI of maize. The proposed TDVI and TRVI can be jointly used to retrieve LAI at various canopy coverages.     

无人机多光谱数据反演叶面积指数方法研究

利用顾及敏感性分析的PROSAIL模型和植被指数模型,以青岛地区玉米作物为研究对象,对无人机多光谱影像的叶面积指数反演进行研究.反演结果显示顾及敏感性分析PROSAIL模型的R2为0.79,GNDVI植被指数反演结果的R2为0.82.实验表明利用无人机多光谱数据可进行玉米叶面积指数的反演,且效果较好.     

利用单相机和神经网络估计的室内定位导航

由于三维场景与二维图像之间存在着非线性和高度复杂的关系,使用相机对用户的位置进行估计需要建立复杂的数学模型。针对该问题,本文提出了使用神经网络估计的单相机进行室内定位的方法。室内定位系统的主要优点是LED能够使用可见光通信发送其位置信息。首先,该方法充分利用LED光线的投影不变性,借助图像传感器通信（ISC）完成虚拟直线的构建;然后,运用神经网络估计从该虚拟直线中提取出相机的方向信息;最后,使用一个简单数学方程估计用户位置。仿真试验考虑了4种情形,结果表明,本文提出的方法性能优于同类方法,对于一个房间内的大部分地方,定位误差在35 mm以内。     

多光谱多角度遥感数据综合反演叶面积指数方法研究

叶面积指数是陆地生态系统的一个十分重要的结构参数。用遥感数据求取叶面积指数可以利用光谱的信息,比如通过植被指数来拟合一个经验关系,但很多植被指数明显受土壤背景的影响,对于有明显行结构的农作物,土壤的影响很难消除,植被指数的方法误差较大。多角度遥感包含了大量的地面目标的立体结构信息,具备求解植被特征参数的潜力,但通常多角度遥感反演对光谱信息的利用不足。与以往的反演方法相区别,该文利用行播作物二向反射模型,将多角度与多光谱数据结合进行行播作物LAI反演实验,并对反演算法进行了详细的敏感性分析实验,结果表明采用多角度、多光谱遥感数据相结合的方法可以有效反演行播作物的叶面积指数。     

重庆市主城区城市路网演变分析及与城市扩张耦合性研究

研究结合重庆市主城区2011-2017年高分辨率遥感影像和相关地形图、规划资料及交通专题资料信息等,提取城市路网和城市建设用地数据,基于GIS操作平台,采用空间核密度方法分析主城区城市路网时空演变特征,探索城市路网空间分布规律,以街道(镇)为研究单元分析城市道路与城市用地扩张之间的耦合关系,为合理规划交通道路布局,促进城市扩张与道路网络的协调发展提供了重要参考依据。结果表明,主城区城市路网分布具有空间不均衡性特征,路网演变有明显的方向性,以东西两翼带状区域变化为主,路网密度变化集中在低密度区。与城市用地扩张相关性研究中发现,城市路网是城市扩张的主要驱动力之一,路网中密度区域对城市扩张的驱动效应最明显。     

城镇基准地价评估的人工神经网络模型研究

在我国的城镇基准地价评估中,通常采用回归统计模型.这类模型属确定型数学模型,受主观影响较大,不能全面准确地模拟地价与其影响因素之间复杂的非线性关系,且评估工作量大,不易实现评估自动化.在此探讨了应用人工神经网络技术建立城镇基准地价评估模型的理论、方法和步骤,分析和研究了模型优化方法,并通过实例验证了模型的适用性和可靠性.研究表明,3层结构的基于误差反传算法的BP网络模型,能较好地模拟城镇基准地价与其影响因素之间的复杂关系.     

两种叶面积指数动态模拟方法的对比研究

为了获得宁夏灌区春小麦叶面积指数( Leaf Area Index,LAI)动态模拟的最佳方法,根据宁夏灌区典型农业试验观测站春小麦LAI的大田观测数据,分别运用农业气象学和遥感反演等方法模拟春小麦LAI的动态变化,并对两种方法的模拟精度进行综合对比分析.结果表明,运用分段函数(三叶至抽穗期运用遥感反演法,抽穗至乳熟期...     

城镇基准地价评估的人工神经网络模型研究

在我国的城镇基准地价评估中,通常采用回归统计模型。这类模型属确定型数学模型,受主观影响较大,不能全面准确地模拟地价与其影响因素之间复杂的非线性关系,且评估工作量大,不易实现评估自动化。在此探讨了应用人工神经网络技术建立城镇基准地价评估模型的理论、方法和步骤,分析和研究了模型优化方法,并通过实例验证了模型的适用性和可靠性。研究表明,3层结构的基于误差反传算法的BP网络模型,能较好地模拟城镇基准地价与其影响因素之间的复杂关系。     

B-PNN改进算法在土地估价信息系统的应用

人工神经网络是解决主观因素影响过大和智能化程度不高这两个问题的合适方法。主要采用人工神经网络中的B-P神经网络建立土地估价智能模型,在ArcGIS的开发平台下,实现了基于B-P神经网络改进算法的人工神经网络土地估价模型。研究得出,利用人工神经网络可以解决土地估价过程中主观因素影响过多这一问题,可以提高城镇土地定级估价信息系统智能化程度。     

The Effect of Radiometric Resolution on the Retrieval of Leaf Area Index from Agricultural Crops

Motivated by the increasing availability of remote sensing data of high radiometric resolution, a study was conducted to determine whether high-resolution data (10 bits or more) yielded more accurate vegetation leaf area index (LAI) information than low-radiometric-resolution multispectral data (7-bit or less). The study evaluated the performance of simulated 12-bit LISS-III sensor data (derived from EO-1 hyperspectral Hyperion data) with original 7-bit LISS-III sensor data for the estimation of LAI of major agricultural crops (e.g., cotton, sugar cane, and rice). There was no significant improvement in the correlation coefficient encountered when using the high-radiometric-resolution (12-bit) LISS-III data versus the low-radiometric-resolution (7-bit) LISS-III data for the retrieval of LAI. The retrieval of LAI of agricultural crops met with moderate success, with overall correlation coefficients of around 0.55. These results suggest that satellite data of very high radiometric resolution may not be a required for remote measurement of LAI. Spectral bandwidth, band placement, and the method of retrieving biophysical parameters may be more important.     

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。     

遥感尺度效应的数值模拟——以叶面积指数为例

遥感尺度效应问题的存在已经严重限制了定量遥感应用的发展,制约了定量遥感反演精度的提高,成为定量遥感研究中亟待解决的热点问题之一。总体而言,对尺度效应从数学上的泰勒级数展开规律分析的理论较多,然而从遥感数据直观模拟的角度较少。为此,本文从叶面积指数出发,利用机载航空WIDAS数据,引入洛仑兹曲线表达了地表变量的异质性。结合不同非线性程度的LAI反演模型及尺度上推聚合方法分析了尺度效应的成因,结果发现,尺度效应是空间异质性和反演函数非线性的综合体现,空间异质性和反演函数非线性程度的增加均会造成尺度效应的增大。     

基于城市形态学原理的面状地物层次索引方法

城市形态取决于城市规模、地形、城市用地功能组织和道路网结构等因素,其基础骨架是交通轴线和水系轴线。本文基于城市形态学基本原理,依据道路、水系等自然要素将地图空间划分为Enclave、Block、Superblock和Neighbourhood四个层次,在此基础之上,提出了一种新的GIS空间层次索引方法,并扩展了现有空间索引分类框架。不难发现,基于自然网格的空间划分方式不仅符合人的认知,同时有效地避免了地物跨网格分布的情况,通过实验证明索引记录的冗余对查询速度具有直接而显著的影响。     

城市路网交通状态的改进Kriging估计方法

在非线性降维算法Isomap的基础上进行了改进,提出了一种基于度量多维标定法的空间变换方法。将原始网络空间中的路网距离转换为新欧氏空间中的近似路网距离,并在此距离度量基础上实现Kriging方法。通过对南昌市真实数据进行交通状态估计的实验发现,该方法比现有的基于欧氏距离度量的Kriging方法具有更高的估计精度,能够有效地解决交通领域中大规模路网交通运行状态监控的问题。