应用PROSAIL模型对森林冠层叶面积指数遥感估测

作者：何金有; 贾炜玮^*; 张小勇; 孙毓蔓

来源：东北林业大学学报, 2023, 51(11): 86-94.

DOI：10.13759/j.cnki.dlxb.2023.11.009

• 叶面积指数
• PROSAIL模型
• 全局敏感性分析
• 遗传算法
• 人工神经网络

为了及时准确的获取森林冠层的叶面积指数(LAI),对森林长势进行监测，验证估测模型的普适性。以凉水实验林场为研究区，通过对PROSAIL模型的参数进行全局敏感性分析，确定敏感性较高的参数，构建PROSAIL模型模拟反射率与遥感影像反射率的代价函数，并用遗传算法求解代价函数，通过调整PROSAIL模型高敏感性的关键参数值模拟叶面积指数；利用人工神经网络(ANN)映射植被冠层反射率与叶面积指数特征变量的关系估测叶面积指数；然后用实测数据集对两个模型模拟的结果进行验证比较。结果表明：PROSAIL模型模拟的各波段反射率中红外波段和近红外波段对叶面积指数具有较高的敏感度；PROSAIL模型反演叶面积指数的决定系数(R2)为0.722 8,人工神经网络估测的叶面积指数的决定系数(R2)为0.333 8,PROSAIL模型反演叶面积指数的精度较高，而且PROSAIL模型的估测结果与实测叶面积指数值有较好的一致性；人工神经网络对训练集、测试集叶面积指数估测精度的决定系数(R2)分别为0.887 1和0.880 9,而估测值与实测数据的决定系数(R2)仅有0.333 8,PROSAIL模型优于人工神经网络模型，且具有更好的普适性。

• 单位
  东北林业大学