CN106202971A - 基于folium模型叶片色素遥感反演方法 - Google Patents

基于folium模型叶片色素遥感反演方法 Download PDF

Info

Publication number
CN106202971A
CN106202971A CN201610624168.9A CN201610624168A CN106202971A CN 106202971 A CN106202971 A CN 106202971A CN 201610624168 A CN201610624168 A CN 201610624168A CN 106202971 A CN106202971 A CN 106202971A
Authority
CN
China
Prior art keywords
blade
model
folium
pigment
inverting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201610624168.9A
Other languages
English (en)
Inventor
张垚
张康宇
魏传文
黄敬峰
王福民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201610624168.9A priority Critical patent/CN106202971A/zh
Publication of CN106202971A publication Critical patent/CN106202971A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

基于FOLIUM模型多色素的遥感反演方法，包括：S1基于FOLIUM模型，利用绿色叶片LOPEX93/彩色叶片LOPEX_ZJU数据集中的半球反射透射光谱数据、FOLIUM模型各种参数、最小距离光谱拟合方法和最小二乘法优化方法，反演绿色/彩色叶片对应的各种色素含量的方法；S2利用各种色素实测值和反演值构建散点图阐述FOLIUM模型对各种色素反演功能，并与PROSPECT‑5进行比较；S3利用精度评价函数均方根误差、偏差、校正标准差和变异系数反演精度的比较评价。本发明能利用绿色/彩色叶片半球反射和透射光谱反演其光合色素(叶绿素a、叶绿素b、和类胡萝卜素)或非光合色素(花青素)含量，相对PROSPECT‑5模型能提高总叶绿素和类胡萝卜素反演精度。有利于更加准确地监测植物体的生理生态特性。

Description

基于FOLIUM模型叶片色素遥感反演方法
技术领域
本发明涉及一种基于FOLIUM模型使用叶片光谱特征进行光合色素(叶绿素a、叶绿素b和类胡萝卜素)和/或非光合色素(花青素)含量反演的方法，并通过LOPEX_ZJU和LOPEX93数据集中的光谱数据进行相应色素含量反演的应用验证。FOLIUM模型通过对光合色素和非光合色素多种叶片色素含量的有效反演，有利于更加准确地监测植物体的生理生态特性。
背景技术
叶片的色素含量与植被生理生态特性直接相关。不同植物在不同生育期和不同逆境条件下，叶片色素具有不同生理生态比例，如，在成熟叶片中，绿色叶片的叶绿素a(Chla)/叶绿素b(Chlb)比值4-2，而在衰老叶片则在2-1之间；植物受到胁迫时，叶片中的Chla含量下降的速度快于Chlb，与类胡萝卜素(Cars)下降相似。另外，植物处于低温或缺钾胁迫条件下，叶片花青素(Ants)含量会上升。使用遥感技术准确检测叶片光合色素(Chla、Chlb和Cars)和非光合色素(花青素)，既发挥了遥感检测的优势，也可以实时获取与植物生理生态相关的多种色素含量指标特征。
叶片色素的遥感反演模型，通常包括半经验的指数模型和光学辐射传输模型。其中，指数模型是基于各种色素吸收的单一波段特征或少数波段特征积极与色素含量建立的统计模型。在光合色素指数模型中，叶绿素指数模型相对较多，Chla和Chlb指数模型有少量出现；Cars指数模型相对较少；而非光合色素指数模型(Ants指数模型)则是更少，其原因是Ants的吸收波段特征受到Chla和Chlb的影响。相对半经验色素反演模型，光学辐射传输模型利用各种色素吸收的全部波 段特征，为此，光学辐射传输模型比半经验模型稳定、适用范围更广。但是，现今多数光学辐射传输模型仍然以总叶绿素(Chls)或总叶绿素+类胡萝卜素(Chls+Cars)为色素反演对象，来衡量评估植物的生理生态特征，如LEAFBRDF模型(Chls)、PROSPECT-5模型(Chls+Cars)和FluorMOD(Chls)模型等。很显然，利用植物叶片Chls或Chls+Cars对其生理生态的评价衡量是不全面，尤其是逆境条件下的植物体，如花青素含量升高是多数植物地温胁迫诱因；Chla/b的变化，也是植物体受胁迫的有力的表征。为了更好的监测和评价植物生理生态特征，多色素遥感反演模型成为一个色素反演模型发展的趋势和需求。
发明内容
本发明要克服现有通过叶片单一或少数色素含量反演评价植物体生理生态特性的缺点，提供一种通过FOLIUM叶片光学辐射传输模型，实现光合色素和非光合色素含量反演来评价植物体生理生态特性多色素遥感反演模型方法。
本发明解决其技术问题所采用的技术方案是：
一种基于FOLIUM模型叶片色素遥感反演方法，包括以下步骤：
S1基于FOLIUM模型，利用LOPEX93(绿色叶片)/LOPEX_ZJU(彩色叶片)数据集中的半球反射透射光谱数据、FOLIUM模型各种参数、最小距离光谱拟合方法和最小二乘法优化方法，反演绿色/彩色叶片对应的各种色素含量的方法；
S2利用各种色素实测值和反演值构建散点图阐述FOLIUM模型对各种色素反演功能，并与PROSPECT-5进行比较；
S3.利用精度评价函数均方根误差(RMSE)、偏差(BIAS)、校正标准差(SEC)和变异系数(VC)对FOLIUM和PROSPECT-5在LOPEX_ZJU和LOPEX93数据集中反演精度的比较评价。
本发明的优点是：能够利用绿色/彩色叶片半球反射和透射光谱反演其光合色 素(叶绿素a、叶绿素b、和类胡萝卜素)或非光合色素(花青素)含量，相对PROSPECT-5模型能够提高总叶绿素和类胡萝卜素反演精度。有利于更加准确地监测植物体的生理生态特性。
附图说明
图1为FOLIUM与PROSPECT-5模型对绿色叶片色素含量的反演值与实测含量的二维散点图(单位：μg/cm2)，其中，图1a与图1e、图1b、图1c、图1d与图1f分别代表对总叶绿素、叶绿素a、叶绿素b和类胡萝卜素反演特征(选择的叶片样本个数n＝28)，“Vacancy”表示不能反演对应的色素种类；图1a、图1b、图1c和图1d的反演值来源于FOLIUM模型；图1e和图1f的反演值来源于PROSPECT-5；
图2为FOLIUM与PROSPECT-5模型对彩色叶片色素含量的反演值与实测含量的二维散点图(单位：μg/cm2)，其中，图2a与图2f、图2b、图2c、图2d与图2g、图2e分别代表对总叶绿素、叶绿素a、叶绿素b、类胡萝卜素、花青素反演特征(选择的叶片样本个数n＝32)“Vacancy”表示不能反演对应的色素种类；图2a、图2b、图2c、图2d和图2e的反演值来源于FOLIUM模型；图2f和图2g的反演值来源于PROSPECT-5；
具体实施方式：
下面结合附图，进一步说明本发明。
发明解决其技术问题所采用的技术方案是：
一种基于FOLIUM模型叶片色素遥感反演方法，包括以下步骤：
S1基于FOLIUM模型，利用绿色叶片LOPEX93/彩色叶片LOPEX_ZJU数据集中的半球反射透射光谱数据、FOLIUM模型各种参数、最小距离光谱拟合方法和最小二乘法优化方法，反演绿色/彩色叶片对应的各种色素含量的方法；
S2利用各种色素实测值和反演值构建散点图阐述FOLIUM模型对各种色素反演功能，并与PROSPECT-5进行比较；
S3.利用精度评价函数均方根误差RMSE、偏差BIAS、校正标准差SEC和 变异系数VC对FOLIUM和PROSPECT-5在LOPEX_ZJU和LOPEX93数据集中反演精度的比较评价。
所述的步骤S1中基于FOLIUM模型叶片色素遥感反演方法，包括以下：
(21)FOLIUM模型；
FOLIUM模型是利用叶片的各种色素吸收特性的光学属性在400-800nm的光谱区域，建立的光与植物叶片相互作用的光学辐射传输模型。其光学方程表达为：
其中，光学因子RN,out→1st和TN,out→1st为N层叶片在400-800nm的光谱区域总的半球反射和透射光谱；和为第一层叶片单元层半球反射和透射光谱；和为N-1层叶片单元层的半球反射和透射光谱；和为叶片内部叶片单元层的半球反射和透射光谱；上述的各种光学因子可用模型参数β(入射光立体角内最大的入射光天顶角来表示，通常设为40°)、叶片平均折射系数叶片吸收系数τ和叶片结构参数N定量表达。
绿色叶片，
彩色叶片，
k(λ)为叶片吸收系数可代表；KChla、KChlb、KCars和KAnts为Chla、Chlb、Cars和Ants在活体叶片中的特定吸收系数；CChla、CChlb、CCars和CAnts为Chla、Chlb、Cars和Ants在叶片中的含量；K0为叶片基准吸收系数。e为自然常数；λ为波长；
(22)光谱数据在FOLIUM模型光学辐射传输方程中的输入；
根据FOLIUM模型光学辐射传输方程的特征，可以根据叶片的色素种类改变叶片吸收系数中的色素函数项，不仅对只含有光合色素(叶绿素a、叶绿素b和类胡萝卜素)的绿色叶片的光学属性进行定量计算，也可以对含有光合色素(叶绿素a、叶绿素b和类胡萝卜素)和非光合色素(花青素)的彩色叶片的光学属性进行定量计算。因此，可以通过相应不同色素种类叶片的光学属性的定量计算，进行相应色素含量的反演。
采用的LOPEX93数据集中叶片样本为绿色叶片样本(含有叶绿素a、叶绿素b和类胡萝卜素)；而LOPEX_ZJU数据集中的叶片含有彩色叶片样本(有叶绿素a、叶绿素b、类胡萝卜素和花青素种类)，因此，本发明通过绿色和彩色两种叶片数据集中的叶片光学属性在FOLIUM模型光学辐射传输方程中的输入(即成为绿色叶片色素反演系统和彩色叶片色素反演系统)，阐述FOLIUM模型叶片多色素遥感反演方法。
(23)FOLIUM模型参数的输入；
FOLIUM模型参数包括两部分：各种色素特定吸收系数、基准吸收系数和叶片平均折射系数；叶片结构参数。
a色素特定吸收系数、基准吸收系数和叶片平均折射系数：是能够代表叶片整体光学属性的参数，与叶片样本个体无关的，也是FOLIUM模型参数自带参数，可作为在FOLIUM模型光学辐射传输方程中直接输入。因此，在在绿色叶片色素反演系统中，需要输入的与叶片样本个体无关的模型参数：叶绿素a、叶绿素b、类胡萝卜素特定吸收系数、基准吸收系数和叶片平均折射系数，而在彩色叶片色素反演系统中，需要输入的与叶片样本个体无关的模型参数：叶绿素a、叶绿素b、类胡萝卜素和花青素特定吸收系数、基准吸收系数和叶片平均折射系数，
b叶片结构参数：是与叶片样本个体有关的代表叶片个体光学属性的参数，针对每一个叶片样本需要叶片结构参数单独计算，为此，在两个不同叶片数据集(LOPEX93和LOPEX_ZJU)中，叶片的结构参数计算方法为：
其中，Rmea(λi)和Tmea(λi)分别表示在波段λi叶片实测的反射率和透射率；Rmod(λi)和Tmod(λi)分别表示使用FOLIUM模型在波段λi模拟的反射率和透射率；λi(i＝1,2,3)共有三个波段分别是反射率最大的波段、透射率最大的波段和吸收率最小的波段。计算后的叶片结构参数分别输入对应的绿色或彩色叶片色素反演系统中。
(24)基于FOLIUM模型叶片多种色素反演算法；
在绿色叶片多色素反演系统中，FOLIUM模型利用模型参数(N、K0、Ki(λ)(KChla(λ)、KChlb(λ)、KCars(λ))和)，在彩色叶片多色素反演系统中，FOLIUM模型利用模型参数(N、K0、Ki(λ)(KChla(λ)、KChlb(λ)、KCars(λ)、KAnts(λ))和)，通过输入叶片在400-800nm之间的半球反射和透射光谱(Rmea(λ)和Tmea(λ))，并利用最小二乘法的优化方法迭代，获取叶片色素，在在绿色叶片多色素反演系统中，获取叶片Chla、Chlb和Cars色素含量；在彩色叶片多色素反演系统中，获取叶片Chla、Chlb、Cars和Ants色素含量，其具体算法的表达式为：
所述步骤S2中，各种色素实测值和FOLIUM模型的反演值构建二维空间散点图，并与PROSPECT-5进行比较，有以下内容：
(31)绿色叶片多种色素反演及与PROSPECT-5比较；
在植物叶片总叶绿素含量通常是由叶绿素a和叶绿素b组成，因此可以通 过反演的叶绿素a含量和叶绿素b含量之和获得反演的总叶绿素含量，因此，FOLIUM模型也能够通过的叶绿素a和叶绿素b含量的反演获得总叶绿素含量。
选用LOPEX93数据集中的32个叶片样本，进行FOLIUM模型对绿色叶片各种色素反演方法的阐述。同时，为了说明FOLIUM模型对色素反演的可行性，选用叶片光学辐射传输模型中使用较为广泛的模型：PROSPECT-5进行同源数据对色素含量反演特征进行比较。从32个叶片各种色素实测值和FOLIUM模型相应色素反演值构建的二维散点图中(见说明书附图1)，能够得知：1)FOLIUM模型在绿色叶片半球反射和透射光谱，能够反演的色素种类为：总叶绿素、叶绿素a、叶绿素b和类胡萝卜素；而PROSPECT-5模型利用相同绿色叶片半球反射和透射光谱，能够反演的色素种类：总叶绿素和类胡萝卜素含量，对叶绿素a和叶绿素b不能反演。2)总叶绿素实测值与FOLIUM模型反演值所组成二维空间点距1:1线靠近程度与PROSPECT-5的特征相似，而类胡萝卜素方面，FOLIUM模型较PROSPECT-5模型距1:1线靠近程度有所提高。
(32)彩色叶片多种色素反演及与PROSPECT-5比较；
选用LOPEX_ZJU数据集中的28个叶片样本，进行FOLIUM模型对彩色叶片各种色素反演方法的阐述。从28个叶片各种色素实测值和FOLIUM模型相应色素反演值构建的二维散点图中(见说明书附图2)，能够得知：1)FOLIUM模型使用彩色叶片半球反射和透射光谱，能够反演的色素种类为：总叶绿素、叶绿素a、叶绿素b、类胡萝卜素和花旗参；而PROSPECT-5模型利用相同绿色叶片半球反射和透射光谱，能够反演的色素种类：总叶绿素和类胡萝卜素含量，对叶绿素a和叶绿素b不能反演。2)在总叶绿素方面FOLIUM与PROSPECT-5模型反演特征相似，而类胡萝卜素方面， FOLIUM模型较PROSPECT-5模型距1:1线靠近程度有所提高。
所述步骤S3中，FOLIUM模型对各种色素反演精度评价，内容如下：
(41)色素反演精度评价函数
对FOLIUM模型各种色素反演精度评价函数有：均方根误差RMSE、偏差BIAS、校正标准差SEC和变异系数VC，具体的函数表达式为：
其中，y′j为测试叶片样本中各种色素的实测值,是测试叶片样本中相应色素种类的平均值；yj是测试叶片样本中相应色素种类的反演值；n为叶片样本的数量；j为测试叶片样本的数量；
(42)FOLIUM与PROSPECT-5模型对绿色叶片色素反演的精度评价与比较利用步骤(41)中的精度评价函数，对FOLIUM与PROSPECT-5模型在绿色叶片中各种色素反演的精度进行评价，其结果见表1。相对PROSPECT-5，FOLIUM模型对相同的绿色叶片不仅能够反演总叶绿素和类胡萝卜素含水量，还能反演叶绿素a和叶绿素b的含量，并且反演的总叶绿素和类胡萝卜素含量就评价函数RMSE(FOLIUM-Chls-RMSE-15.51<PROSPECT-5-Chls-RMSE-18.25)、BIAS、SEC和VC方面均有提高；而FOLIUM模型对绿色叶片反演的叶绿素a和叶绿素b含量具有合理的反演精度评价函数值。因此，FOLIUM模型对绿色叶片色素含量反演不仅能够增加色素反演的种类，也能够提高色素反演的精度。
表1基于RMSE、BIAS、SEC和VC对FOLIUM与PROSPECT-5模型在绿色叶片色素反演的精度评价
(43)FOLIUM与PROSPECT-5模型对彩色叶片色素反演的精度评价与比较FOLIUM与PROSPECT-5模型对相同数据的彩色叶片(来源于LOPEX_ZJU)中各种色素含量的反演利用步骤(41)中的评价函数进行精度评价，其结果见表2。相对PROSPECT-5，FOLIUM模型对相同的绿色叶片不仅能够反演总叶绿素和类胡萝卜素含水量，还能反演叶绿素a和叶绿素b和花青素的含量，并且反演的总叶绿素和类胡萝卜素含量就评价函数RMSE(FOLIUM-Chls-RMSE-12.51<PROSPECT-5-Chls-RMSE-13.7)、SEC和VC方面均有提高；而FOLIUM模型对绿色叶片反演的叶绿素a、叶绿素b和花青素的含量具有可信的反演精度评价函数值。因此，FOLIUM模型对彩色叶片不仅能够反演光合色素(总叶绿素和类胡萝卜素)，也能够反演光合色素的细分色素(叶绿素a和叶绿素b)及非光合色素(花青素)也能够提高总叶绿素和类胡萝卜素反演的精度。
表2基于RMSE、BIAS、SEC和VC对FOLIUM与PROSPECT-5模型在彩色叶片色素反演精度评价
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的 保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (4)

1.基于FOLIUM模型叶片色素遥感反演方法，包括以下步骤：
S1.基于FOLIUM模型，利用绿色叶片LOPEX93/彩色叶片LOPEX_ZJU数据集中的半球反射透射光谱数据、FOLIUM模型各种参数、最小距离光谱拟合方法和最小二乘法优化方法，反演绿色/彩色叶片对应的各种色素含量的方法；
S2.利用各种色素实测值和反演值构建散点图阐述FOLIUM模型对各种色素反演功能，并与PROSPECT-5进行比较；
S3.利用精度评价函数均方根误差RMSE、偏差BIAS、校正标准差SEC和变异系数VC对FOLIUM和PROSPECT-5在LOPEX_ZJU和LOPEX93数据集中反演精度的比较评价。
2.如权利要求1所述的基于FOLIUM模型多色素的遥感反演方法，其特征在于：所述的步骤S1中FOLIUM模型、光谱数据输入、模型参数输入和多种色素遥感反演算法，包括以下：
(21)FOLIUM模型其光学方程表达为：
其中，光学因子RN,out→1st和TN,out→1st为N层叶片在400-800nm的光谱区域总的半球反射和透射光谱；和为第一层叶片单元层半球反射和透射光谱；和为N-1层叶片单元层的半球反射和透射光谱；和为叶片内部叶片单元层的半球反射和透射光谱；上述的各种光学因子可用模型参数β、叶片平均折射系数叶片吸收系数τ和叶片结构参数N定量表达，模型参数β用入射光立体角内最大的入射光天顶角来表示；
绿色叶片，
彩色叶片，
k(λ)为叶片吸收系数可代表；KChla、KChlb、KCars和KAnts为Chla、Chla、Cars和Ants在活体叶片中的特定吸收系数；CChla、CChlb、CCars和CAnts为Chla、Chla、Cars和Ants在叶片中的含量；K0为叶片基准吸收系数；e为自然常数；λ为波长；
(22)光谱数据在FOLIUM模型光学辐射传输方程中的输入；
采用的LOPEX93数据集中叶片样本为绿色叶片样本和LOPEX_ZJU数据集中的叶片含有彩色叶片样本在400-800nm区间的光谱特征为输入的遥感数据，阐述FOLIUM模型多色素遥感反演方法，绿色叶片样本含有叶绿素a、叶绿素b和类胡萝卜素；彩色叶片样本含有叶绿素a、叶绿素b、类胡萝卜素和花青素种类；
(23)FOLIUM模型参数的输入；
(231)FOLIUM模型参数有叶片样本个体无关的参数：各种色素特定吸收系数、基准吸收系数K0和叶片平均折射系数其中，针对绿色叶片模型输入参数：叶绿素a特定吸收系数KChla(λ)、叶绿素b特定吸收系数KChlb(λ)、类胡萝卜素特定吸收系数KCars(λ)、K0和针对彩色叶片模型输入参数：KChla(λ)、KChlb(λ)、KCars(λ)和花青素特定吸收系数KAnts(λ)、K0和
(232)FOLIUM模型参数有叶片样本个体有关的参数：叶片结构参数N针对每一个叶片样本需要叶片结构参数单独计算，为此，在两个不同叶片数据集LOPEX93和LOPEX_ZJU中，叶片的结构参数计算方法为：
其中，Rmea(λi)和Tmea(λi)分别表示在波段λi叶片实测的反射率和透射率；Rmod(λi)和Tmod(λi)分别表示使用FOLIUM模型在波段λi模拟的反射率和透射率；λi(i＝1,2,3)共有三个波段分别是反射率最大的波段、透射率最大的波段和吸收率最小的波段。计算后的叶片结构参数分别输入对应的绿色或彩色叶片色素反演中。
(24)基于FOLIUM模型叶片多种色素遥感反演算法
利用步骤(22)输入的半球反射光谱Rmea(λ)和透射光谱Tmea(λ)和步骤(23)输入的FOLIUM模型结合最小二乘法的优化方法迭代，获取叶片色素。在绿色叶片中，获取叶片Chla、Chlb和Cars色素含量；在彩色叶片中，获取叶片Chla、Chlb、Cars和Ants色素含量，其具体算法的表达式为：
其中，在绿色叶片中，Ki(λ)表示为KChla(λ)、KChlb(λ)和KCars(λ)；在绿色叶片中，Ki(λ)表示为KChla(λ)、KChlb(λ)、KCars(λ)和KAnts(λ)。
3.如权利要求1所述的基于FOLIUM模型叶片色素遥感反演方法，其特征在于：所述步骤S2中，基于S1中的各种色素反演值和实测值构建散点图阐述FOLIUM模型对各种色素反演功能，并与PROSPECT-5进行比较，有以下内容：
(31)绿色叶片多种色素反演及与PROSPECT-5比较；
选用LOPEX93数据集中的32个叶片样本，进行FOLIUM模型对绿色叶片各种色素反演方法的阐述。同时，选用叶片光学辐射传输模型中使用较为广泛的模型：PROSPECT-5进行同源数据对色素含量反演特征进行比较；
(32)彩色叶片多种色素反演及与PROSPECT-5比较；
选用LOPEX_ZJU数据集中的28个叶片样本，进行FOLIUM模型对彩色叶片各种色素反演方法的阐述；同时，利用同源数据在PROSPECT-5模型中进行色素含量反演比较；在实测值反演值构建的二维散点图。
4.如权利要求1所述的基于FOLIUM模型叶片色素遥感反演方法，其特征在于：所述步骤S3中利用精度评价函数色素反演精度的评价与比较，包括以下：
(41)色素反演精度评价函数
色素反演精度评价函数有：均方根误差RMSE、偏差BIAS、校正标准差SEC和变异系数VC，具体的函数表达式为：
其中，y′j为测试叶片样本中各种色素的实测值,是测试叶片样本中相应色素种类的平均值；yj是测试叶片样本中相应色素种类的反演值；n为叶片样本的数量；j为测试叶片样本的数量；
(42)FOLIUM与PROSPECT-5模型对绿色叶片色素反演的精度评价与比较利用步骤(41)中的精度评价函数，对FOLIUM与PROSPECT-5模型在绿色叶片中各种色素反演的精度进行评价；
(43)FOLIUM与PROSPECT-5模型对彩色叶片色素反演的精度评价与比较FOLIUM与PROSPECT-5模型对相同数据的来源于LOPEX_ZJU的彩色叶片中各种色素含量的反演利用步骤(41)中的评价函数进行精度评价。
CN201610624168.9A 2016-08-02 2016-08-02 基于folium模型叶片色素遥感反演方法 Withdrawn CN106202971A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610624168.9A CN106202971A (zh) 2016-08-02 2016-08-02 基于folium模型叶片色素遥感反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610624168.9A CN106202971A (zh) 2016-08-02 2016-08-02 基于folium模型叶片色素遥感反演方法

Publications (1)

Publication Number Publication Date
CN106202971A true CN106202971A (zh) 2016-12-07

Family

ID=57497139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610624168.9A Withdrawn CN106202971A (zh) 2016-08-02 2016-08-02 基于folium模型叶片色素遥感反演方法

Country Status (1)

Country Link
CN (1) CN106202971A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107255621A (zh) * 2017-05-18 2017-10-17 成都理工大学 基于植物叶绿素值特征变化的高植被覆盖区遥感找矿方法
CN107561022A (zh) * 2017-07-10 2018-01-09 南京大学 一种改进的植物叶片干物质含量高光谱遥感反演方法
CN113777055A (zh) * 2021-11-08 2021-12-10 广东省科学院广州地理研究所 一种叶片经济型谱性状估测方法、存储介质和计算机设备
CN113945524A (zh) * 2021-09-30 2022-01-18 中国地质大学（武汉） 基于植被指数的类胡萝卜素与叶绿素比值反演方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5854063A (en) * 1996-01-16 1998-12-29 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Oregon State University Method and apparatus for spectrophotometric observation of plants
CN205262963U (zh) * 2015-11-12 2016-05-25 西安科技大学 一种用于小麦叶片叶绿素含量估算的遥感系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5854063A (en) * 1996-01-16 1998-12-29 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Oregon State University Method and apparatus for spectrophotometric observation of plants
CN205262963U (zh) * 2015-11-12 2016-05-25 西安科技大学 一种用于小麦叶片叶绿素含量估算的遥感系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尹小君等: "PLS算法在病叶色素含量遥感监测中的应用", 《遥感信息》 *
张垚: "基于PROSPECT-PLUS模型植物叶片多种色素高光谱定量遥感反演模型与机理研究", 《中国优秀博士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107255621A (zh) * 2017-05-18 2017-10-17 成都理工大学 基于植物叶绿素值特征变化的高植被覆盖区遥感找矿方法
CN107561022A (zh) * 2017-07-10 2018-01-09 南京大学 一种改进的植物叶片干物质含量高光谱遥感反演方法
CN107561022B (zh) * 2017-07-10 2020-07-10 南京大学 一种改进的植物叶片干物质含量高光谱遥感反演方法
CN113945524A (zh) * 2021-09-30 2022-01-18 中国地质大学（武汉） 基于植被指数的类胡萝卜素与叶绿素比值反演方法及系统
CN113777055A (zh) * 2021-11-08 2021-12-10 广东省科学院广州地理研究所 一种叶片经济型谱性状估测方法、存储介质和计算机设备

Similar Documents

Publication Publication Date Title
CN107437267B (zh) 植被区高光谱图像模拟方法
CN106202971A (zh) 基于folium模型叶片色素遥感反演方法
CN103196838B (zh) 一种海岸河口富营养化高光谱遥感监测方法
CN107505271B (zh) 基于氮素组分辐射传输模型的植株氮素估算方法和系统
CN106909750B (zh) 一种阔叶植被冠层反射率的计算方法
Chen et al. Comparison between back propagation neural network and regression models for the estimation of pigment content in rice leaves and panicles using hyperspectral data
CN106874621A (zh) 一种针叶植被冠层反射率计算方法及模型
CN108520127A (zh) 一种树种叶面积指数的高光谱反演方法
CN107561022B (zh) 一种改进的植物叶片干物质含量高光谱遥感反演方法
CN113252583B (zh) 一种基于枯草植被指数计算高寒枯草覆盖度的方法
CN103472009A (zh) 一种不同植株氮含量水平下小麦植株含水率的监测方法
CN104778349B (zh) 一种用于水稻表土氮肥施用等级评定方法
Li et al. Developing and validating novel hyperspectral indices for leaf area index estimation: Effect of canopy vertical heterogeneity
CN109060676A (zh) 基于高光谱的夏玉米冠层spad值估算模型的确定方法
CN106990056A (zh) 一种土壤全氮光谱估算模型校正样本集构建方法
CN109521437B (zh) 面向植被生化参数探测的多光谱激光雷达波长选择方法
Lu et al. Fluorescence hyperspectral image technique coupled with HSI method to predict solanine content of potatoes
Zhang et al. Comparison of various approaches for estimating leaf water content and stomatal conductance in different plant species using hyperspectral data
CN111220552B (zh) 考虑光照方向叶片辐射传输模型的叶绿素高光谱反演方法
CN105136686A (zh) 紫叶李叶片花青素含量的测定方法
CN107132204A (zh) 一种叶片叶绿素含量的测量装置及反演方法
Li et al. Hyperspectral inversion of maize biomass coupled with plant height data
CN114460015A (zh) 一种用于预测寒地水稻冠层叶绿素含量的方法及模型
CN105891124A (zh) 近岸河口水色参数反演装置及方法
CN105987879A (zh) 近岸河口水色参数反演装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20161207