基于PROSAIL模型-BP神经网络的森林叶面积指数反演

【摘要】：植被叶面积指数(Leaf Area Index,LAI)是确定陆地生态系统物质和能量交换大小的一个重要结构参数。森林LAI是森林生物量估测和病害评价的有效参数,也是表征林分长势和预测森林产量的重要林学指标之一。本文利用HJ-1B CCD影像数据采用PROSAIL,物理模型及BP神经网络方法估算北京山区森林叶面积指数,并用Li-Cor LAI-2200植物冠层分析仪采集的数据进行验证。首先根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据,以PROSAIL模型模拟植被冠层反射率,建立LAI与植被冠层反射率的查找表。选取与HJ-1BCCD影像四个波段中心波长对应的波段反射率及构建植被指数(DVI、RVI、NDVI、SAVI)。利用BP神经网络对4个波段中心波长光谱反射率和4种植被指数进行样本训练,进而用训练好的人工神经网络估算研究区的LAI。最后,以地面实测LAI值对BP神经网络估算的LAI结果进行验证。结果表明,LAI估算结果与地面实测LAI具有很好的一致性,BP神经网络模型估算LAI的精度约75%。