[发明专利]一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法

说明书

本发明公开了一种基于Sentinel‑2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法，通过Sentinel‑2获取田间背景光谱与小麦冠层光谱信息，分别获取“秸秆‑土壤”光谱与“小麦‑秸秆‑土壤”光谱，并计算两者红边区域的斜率，计算由背景调节系数α修正后的正切函数SATF，基于光谱变量SATF_NIR‑RE2构建小麦LAI估算模型，采用交叉验证对LAI估算模型进行初步筛选，而后用独立数据对筛选模型进行测试。本发明构建的SATF_NIR‑RE2能够减少秸秆还田后小麦田间复杂背景的影响，并改善小麦生长前期LAI估算，可基于卫星平台应用于区域范围内小麦生长前期LAI的实时、无损和准确的估算。

技术领域

本发明属于卫星尺度基于反射光谱的作物生长状况快速无损监测领域，特别涉及一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法。

背景技术

小麦叶面积指数(LAI,Leaf area index)是评估小麦群体生长状况的重要指标，也是小麦估产模型WOFOST、WheatGrow中的重要参数。传统的LAI获取方法主要是通过人工统计或者仪器测量，这些方法只能单点测量。随着科学技术发展，卫星遥感技术能够实现大面积的农业生产监测，越来越多卫星搭载的传感器能够进行小麦LAI的估算，其中，最常见的方法是结合影像数据获取光谱信息构建植被指数，通过经验线性模型估算小麦LAI。然而作物生长前期容易受到土壤背景影响，导致LAI估算精度降低。而且，随着稻麦轮作区大量水稻秸秆还田，将小麦生产田间的传统土壤背景变为秸秆或“秸秆-土壤”混合背景，这种新的背景严重影响小麦LAI的估算，成为当前农业遥感监测迫切需要解决的重要问题之一。

过去20年，为了解决土壤背景影响作物生长前期LAI估算精度的问题，提高LAI的估算精度，学者们探索了多种消除土壤背景噪音的方法。常见的方法有光谱求导、新建植被指数等。光谱求导是利用光谱曲线一阶导数或二阶导数来表征作物光谱曲线的变化特征，在估算LAI时通常利用红边区域的变化特征来反演长势指标，减小土壤背景影响，常见的有红边斜率(红边一阶导数、红边二阶导数)、红边拐点等。植被指数则是根据植被光谱曲线特有的吸收特征和反射特征，通过数学公式组合增强植被信息的表达，提高植被长势参数的估算精度，植被指数不仅能够凸显光谱曲线的变化特征，还能根据实际需求调整数学公式增强特定信息的表达或解决特定的问题。在减小土壤背景噪音影响方面，植被指数除了突出近红外波段与红光波段之间特有的红边特征，还根据红光波段与近红外波段之间土壤线的距离或者角度减小土壤亮度的影响，从而综合地提高LAI的估算精度，相应的植被指数有土壤调节植被指数(SAVI)、土壤适应红边指数(SARE)、改良土壤调节植被指数(MSAVI)、改良红边土壤适应植被指数(MRESAVI)、转换土壤调节植被指数(TSAVI等。上述光谱求导与植被指数的共同点是利用植被冠层光谱曲线的变化特征来估算植被的长势指标。

正如前人研究所述，随着大量秸秆的还田处理，“秸秆-土壤”混合背景改变小麦冠层光谱曲线的变化特征，降低小麦长势指标的估算精度。光谱求导聚焦于光谱曲线变化特征的表达，并未消除背景对光谱曲线本身变化特征的影响。而通过传统植被指数的构建来增强植被光谱曲线特有的吸收特征和反射特征，同样面临无法消除背景影响光谱曲线本身变化特征的问题。另外，由于秸秆的加入引起了“土壤线”的改变，单纯通过土壤调节植被指数减少背景亮度的影响无法有效地提高小麦长势的估算精度。因此，在消除“秸秆-土壤”复杂背景影响的过程中，利用单一田间冠层获取的“小麦-秸秆-土壤”光谱曲线来减小“秸秆-土壤”混合背景影响具有一定的局限性，需要多个对象的光谱曲线共同作用来减小混合背景的影响并提高小麦LAI的估算精度。然而现有的研究在利用多个对象光谱信息消除混合背景影响方面存在不足。