[发明专利]一种基于微型光谱仪观测数据提取农作物叶面积指数和叶绿素含量的方法

权利要求书

1.一种基于微型光谱仪观测数据提取农作物叶面积指数和叶绿素含量的方法，其特征在于，包括：

S1，基于多年历史总光合有效辐射观测数据和地面物联网上的光合有效辐射传感器的实测入射光合有效辐射数据，估算地面物联网实时光合有效辐射的散射比例；

S2，针对S1得到的地面物联网实时光合有效辐射的散射比例，建立每个波段的散射比例和光合有效辐射的散射比例的多元回归模型，使用所述多元回归模型估算微型光谱仪每个波段的散射比例；

S3，耦合冠层辐射传输模型和线性半经验核驱动模型，估算每天的绿色叶片叶面积指数、叶片叶绿素含量和冠层叶绿素含量，包括：S31，将训练数据集输入到冠层辐射传输模型，模拟出地面物联网上的微型光谱仪对应波段的反射率；S32，基于S31中得到的每日反射率，建立第一核驱动模型，并得到第一核驱动权重系数；S33，以S32模拟得到的每个波段的第一核驱动模型权重系数为输入，以对应的绿色叶片叶面积指数、叶片叶绿素含量和冠层叶绿素含量为输出，分别训练第二反向传播神经网络模型；S34，对地面物联网地面实测的数据，采用S31-S32同样的方法，计算每日核驱动模型权重系数；S35，以S34得到的地面物联网实测的每日核驱动权重系数为输入，使用S33训练后的第二反向传播神经网络模型进行反演，分别得到每日绿色叶片叶面积指数、叶片叶绿素含量和冠层叶绿素含量。

2.根据权利要求1所述的方法，其特征在于，步骤S1包括：

S11，将多年历史总光合有效辐射和散射光合有效辐射，作为输入数据来训练第一反向传播神经网络模型；

S12，以所述实测入射光合有效辐射数据作为输入，通过已训练的第一反向传播神经网络模型反演得到散射光合有效辐射数据，通过散射光合有效辐射数据和所述实测入射光合有效辐射数据计算地面物联网实时光合有效辐射的散射比例。

3.根据权利要求2所述的方法，其特征在于，步骤S2包括：

S21，使用大气辐射传输模型模拟计算地面物联网上的微型光谱仪的每个波段的散射比例，以及对应的光合有效辐射的散射比例；

S22，建立每个波段的散射比例和光合有效辐射的散射比例的回归模型；

S23，将此回归模型运用到步骤S12得到的实测光合有效辐射的散射比例上，计算得到实时的每个波段的散射比例。

4.根据权利要求1所述的方法，其特征在于，步骤S32包括：

1）同时模拟一天内的多组数据，对每组数据给定一个光合有效辐射波段的散射比例，建立第一核驱动模型；

2）对每一天的模拟数据，对第一核驱动模型使用优化算法，计算核驱动模型中的权重系数。

5.根据权利要求4所述的方法，其特征在于，第一核驱动模型为：

其中，代表由线性半经验核驱动模型模拟得到的数据，和分别为各向同性散射、体散射与几何光学散射对应的权重系数，和分别为体散射核与几何光学核。

6.根据权利要求5所述的方法，其特征在于，核驱动模型中的权重系数的计算公式为：

其中，J代表优化算法的非线性函数关系表达式，代表波段上的冠层辐射传输模型模拟反射率，或者地面物联网微型光谱仪实测的辐射，为太阳天顶角，为观测天顶角，为相对方位角，即太阳方位角减去观测方位角，代表冠层辐射传输模型模拟的相对反射率或者地面物联网微型光谱仪实测的相对辐射值。

7.根据权利要求2所述的方法，其特征在于，在步骤S12中，

还将太阳天顶角和日地距离输入到以训练的第一反向传播神经网络模型进行反演。

8.根据权利要求3所述的方法，其特征在于，建立回归模型的方法包括：

对每个波段的散射比例，以光合有效辐射的散射比例为自变量，以该波段的散射比例为因变量，使用最小二乘法建立二者间的正规方程，求解方程组系数得到回归方程的表达式，作为回归模型。

9.一种基于微型光谱仪观测数据提取农作物叶面积指数和叶绿素含量的系统，其特征在于，包括处理器，所述处理器能够实现如权利要求1-8中任一项所述的方法。