基于时空知识耦合的作物叶面积指数精准估算方法研究

In view of leaf area index ill-posed inversion problem and the needs of accurate inversion for wide range, high resolution, long-periodic leaf area index, based on the acquisition and application of spatio-temperal prior knowledge, the study is carried out in three aspects, including ‘spatial knowledge’, ‘temporal knowledge’ and ‘spatio-temperal fusion’, to analyze the comprehensive application of multi-source, multi-scale remote sensing data. The main research contents are as follow: 1) Study on the scale effect of heterogeneous leaf area index inversion, and propose a multi-scale image analysis and multi-stage target-decision inversion method for leaf area index estimation based on spatial information extracted from multi-scale remote sensing data; 2) Dynamic changes analysis of sequential remote sensing data is carried out to extract time factor, then a cost function is constructed based on the temporal information and used for optimizing the crop growth model; 3) A leaf area index estimation framework is proposed by assimilating multi-scale remote sensing data into crop growth model on time level and space level, fusing temporal and spatial prior knowledge to improve the estimation accuracy over inhomogeneous surface and realize the spatio-temperal expansion of leaf area index. At last, based on field synchronous data, the reliability and accuracy of the leaf area index inversion methods proposed above will be evaluated and analyzed.

本项目针对大范围高分辨长周期作物叶面积指数精准反演需求和遥感“病态”反演问题，以时空先验知识的获取和应用为切入点，从“空间知识”、“时间知识”和“时空融合”三个角度入手，研究多源多尺度遥感数据的综合应用。具体开展的研究内容如下：1）研究非均匀地表叶面积指数遥感反演过程中的尺度效应问题，并基于尺度效应分析，提取多尺度数据间的空间信息，构建基于多尺度图像分析多阶段目标决策的叶面积指数反演方法；2）分析时序遥感数据的动态变化规律，提取时间因子，构建代价函数，优化作物生长模型的敏感参数；3）耦合多尺度反演与模型优化，采用数据同化技术，构建基于时间和空间双方向的叶面积指数反演框架，融合时空先验知识，提高异质性地表长周期作物叶面积指数估算精度。最后，基于地面同步数据开展验证分析，比较并评价本项目提出的叶面积指数反演方法的可靠性和精度。

叶面积指数（Leaf Area Index，LAI）是陆表生态系统中最重要的植被参数之一，大范围高精度估算LAI是精细农业管理、生物物理过程模型建模、全球环境变化等研究的关键，但受限于观测信息量，LAI反演过程中普遍存在病态性问题。先验知识的拓展和针对性利用可以有效突破有限观测信息的局限，解决LAI的病态反演问题，为实现全局最优解提供了可能。.本项目围绕大范围长周期植被LAI遥感反演的病态性问题，以时空先验知识的获取和应用为切入点，研究LAI遥感反演中的尺度效应问题、多源多尺度遥感数据的综合应用问题，以及LAI产品的真实性检验问题等，达到了预期目标，具体包括：（1）在LAI反演过程中的尺度效应分析方面，通过聚合处理获得多尺度遥感数据源，结合TEM和CGM方法，发展了一种既考虑类间差异又考虑类内异质性的尺度转换模型，定量描述多种作物混合的非均一地表LAI反演过程中的尺度效应特征。（2）在LAI反演建模方面，针对反演过程中参数众多和先验资料有限的条件下，如何限定参数以提高模型建模反演效率的问题，构建了一种基于参数敏感性分析的模型参数化方法，通过模型的全局敏感性参数分析，对模型关键参数进行局部设定；针对叶面积指数物理反演过程中，先验知识不足导致反演过程病态性问题，发展了时空先验知识提取方法，并将其融入到模型反演中，降低模型反演的不确定性，实现了LAI的快速精准估算。（3）在LAI产品的真实性检验技术方面，针对产品验证中对地面测量点位的分析需求，基于TEM和CGM方法，构建了一种面向异质性地表的LAI地面采样方法，能够快速生成地面采样方案，实现了产品真实性检验过程中地面采样点位快速确定；利用无人机平台数据为中间媒介，发展“点-像元-面”升尺度验证方法，解决了低分辨率卫星产品验证过程中的尺度问题。.通过本项目的研究，建立了一套较完善的基于时空先验知识的叶面积指数遥感反演算法及产品真实性检验技术流程，共发表文章4篇（SCI/EI 4篇）、撰写专著1本、撰写标准1项、申请专利1项，培养硕士研究生2名。