论文部分内容阅读
环境与灾害监测预报小卫星星座由国务院批准立项，具有大范围、全天候、全天时、动态的环境与灾害监测能力。农作物的叶面积指数LAI作为一个重要的生物物理参数在反映作物生理过程和生态系统功能方面起着不可替代的作用。估算农作物的LAI及其在农田景观内的空间变化对作物长势与病虫害监测产量估算以及田间管理都有重要意义，此外叶面积指数对作物估产、环境监测等都具有十分重要的意义。
针对辐射传输模型进行研究，重点介绍了SAIL模型原理；在反演算法方面，神经网络算法被证实计算速度较快，并且包含了光层和环境变量的先验知识，并且能反演多种冠层参数；近年来，在遥感参数反演研究中，对人工神经元网络的研究和应用也越来越多。ANN的原理、特点及其算法适合于大量多维遥感数据自动处理的参数反演过程，而用通常人工参数匹配拟合是很难完成的。ANN用己知的多对参数值/观察值进行ANN的学习训练，这是一种多次反馈和迭代的自我学习过程。
本文基于辐射传输模型和人工神经网络算法，研究出一套适用于环境一号卫星CCD相机数据的叶面积指数反演算法。针对环境一号卫星CCD相机的波段特征，设计出一种新的植被指数HJVI，有效的避免了数据饱和现象，提高了算法的精度。根据前面的SAIL模型+ANN算法以及分类的要求，制作出查找表，最终利用查找表反演HJ卫星CCD数据的LAI，达到了基本的精度要求；
本论文的研究工作承国防科技工业民用专项科研技术研究项目：HJ-1卫星数据应用研究(07K00100KJ)和中埃政府间科技长期合作项目“作物叶面积指数遥感反演模型真实性检验研究”项目的联合资助，在此特表示感谢!