基于小波分析的作物冠层结构与生理生化参数光谱响应分解研究

Recent studies have debated about the structural effects on the retrieval of vegetation biochemical and physiological parameters. Although many studies reported the retrievals of biochemical and physiological parameters from hyperspectral reflectance data, most of them overlooked the effect of canopy structure on these retrievals. Moreover, they tended to use a small number of discrete bands for constructing spectral indices and discarded the ample continuous signature in the remainder. This project focuses on applying a multi-scale analysis tool, continuous wavelet analysis, to the retrieval of biochemical and physiological parameters for four typical crops, and to the decomposition of structural and biochemical/physiological effects on canopy spectral variability. By combining radiative transfer modeling and in situ measurements of crop properties, this study will investigate the spectral responses of each crop parameter over different growth stages and examine their differences represented by wavelength and wavelet scale. We will determine the significant wavelet spectral features or their combinations sensitive to each crop parameter. These wavelet features or combinations will be used to construct empirical predictive models and invert radiative transfer models. This project aims to develop a new perspective of hyperspectral analysis by adding the wavelet scale as a new dimension to traditional hyperspectral studies based solely on wavelength. We strive to make a significant progress on the improved retrieval of crop parameters using hyperspectral remote sensing and provide promising technologies for crop growth monitoring tasks from hyperspectral satellite missions (such as NASA's HyspIRI and Germany's EnMap) in the next decade.

冠层结构如何影响生理生化参数的遥感反演，近年来引起了植被遥感学者们的高度关注。虽然国际上已有大量研究，利用高光谱遥感技术反演冠层生理生化参数，但关注到冠层结构影响的研究却非常缺乏。此外，传统的高光谱反演方法只利用几个零散的波段，而忽略了其中的连续光谱信息。本项目拟将基于小波变换的多尺度光谱分析技术，应用于作物生理生化及结构参数的反演，以田间小区试验数据为基础，探讨如何从光谱分析的角度分解生理生化参数和冠层结构的光谱响应，从而准确反演不同作物的各项参数。拟将辐射传射模型与地面观测数据紧密结合，解析各项参数的光谱响应规律及其在波长和小波变换尺度上的差异，提取敏感的小波光谱特征并构建广适性强的反演模型及方法。本立项旨在突破传统的以波长为唯一维度的光谱分析思维，利用小波分析发展基于波长和尺度的植被光谱分析理论，提高作物参数的遥感反演精度，为利用卫星高光谱影像宏观监测作物长势提供有力的技术保障。

作物生长参数光谱监测领域目前存在的一个重要问题，是组分参数和冠层结构参数的光谱响应相互杂糅而难以分离，导致对作物生长动态光谱响应机理的认识不够深入，用常规方法建立的光谱监测模型受作物种类和生育期影响而普适性不好。本项目针对这一问题，利用连续小波分析这一简单、实用的光谱分析工具，主要开展了以下研究：1）研究作物生理生化参数与结构参数的光谱响应在小波空间的分布特性；2）揭示作物生长动态光谱响应的多尺度分布规律；3）明确不同参数的敏感小波特征并建立相应的监测模型；4）开发基于连续小波分析和辐射传输模型的参数反演方法，构建更加准确和稳定的生长参数监测技术。. 通过开展水稻、小麦两种作物的多因素小区栽培试验，项目团队获取了单叶和冠层水平的主要农学参数和反射光谱数据，重要结果包括：1）明确了作物生理生化参数与结构参数的光谱响应在小波空间的差异；2）提出了一种新的基于连续小波分析的红边位置提取方法，能够有效地监测作物叶片和冠层水平的叶绿素含量；3）建立了基于连续小波分析的叶片生化参数模型反演方法，能够有效地避免病态反演现象，提高作物生长参数监测精度；4）以生化参数叶片氮含量和结构参数叶面积指数为例，提出了一种基于连续小波分析的生化参数和结构参数光谱响应分解方法，并且成功地用于水稻氮含量的监测。项目执行期间多次在国际会议以口头报告介绍最新进展，发表SCI期刊论文2篇，EI收录国际会议论文4篇，出版英文学术专著1本，获国家科技进步二等奖1项，培养研究生4名，其中一名或国家留学基金委资助到加州大学戴维斯分校进行联合培养。. 该项目创新性地利用多尺度分析工具来分解不同参数的光谱响应，提出了将小波变换光谱用于作物生长参数物理反演的思想，揭示了不同生长参数敏感小波特征的监测机理，形成了具有多尺度光谱分析特性的作物生长动态光谱监测理论与技术，在未来基于高光谱卫星的区域化监测中具有广阔的应用前景,对于提高作物生长参数的光谱监测精度和普适性具有重要的指导意义。