干旱区山地草原叶绿素含量高光谱反演研究

Grassland in arid region has important ecological functions,it also provides a lot of forage resource.for better monitoring and management of grassland,we must conduct the dynamic monitoring of the quantity and quality of grassland. In the field investigation and spectral acquisition process , we found that the grassland in arid region note for its different types,species combinations , low vegetation coverage,strong heterogeneity.plots with different species combinations have diverse canopy spectral characteristics,the soil background have a marked impact on the canpony spectral,it is a challenge to inverse the biophysical and biochemical parameters of grassland.our study area locate in mountain grassland of middle section of the northern slope of Tianshan Mountain,from the leaves and canopy levels,in different growth stages of plant, Hyperspectral Data and chlorophyll content plan to be collected and analysed, empirical statistical model and PROSAIL that based on the theory of radiative transfer are going to be utilize for inversion the chlorophyll content of grassland plant, through analysis and fitting accuracy of each model and comparing the measured values , validation , error analysis ,evaluation.aims to learn how to get rid of the soil backgraound noise in the research of chlorophyll content retrival of mountain grasslands in arid region research chlorophyll content retrieval by hyperspectral ,and in a variety of species heterogeneity conditions , how to get a desirable accuracy inversion model.our goal is to serve the needs of ecological monitoring of grassland and animal husbandry production.

干旱区天然草原不仅具有重要的生态功能，而且提供大量饲草资源，为更好的监测和管理天然草原，必须要及时掌握草原的数量和质量动态。在前期的野外实地调查和光谱采集过程中我们发现，干旱区天然草地具有不同的类型和植被种类组合、植被覆盖度低、异质性很强。不同植被种类组合的样地冠层光谱特征差异很大，土壤背景对冠层光谱有重要影响，如何反演天然草地的生理生化参量是一个挑战。本次研究拟选择新疆天山北坡中段山地草原，从叶片和冠层水平，在不同生育期对近地高光谱数据和叶绿素含量进行采集和分析的基础上，运用经验统计模型和基于辐射传输理论的PROSAIL模型反演叶绿素含量，通过分析和比较各模型与实测值的拟合精度，进行验证和误差分析、评价。探索在干旱区山地草原通过高光谱反演叶绿素含量研究中，怎样更好的去除土壤背景噪声，在物种多样的异质性条件下，获得一个精度合乎要求的反演模型，更好的服务于草地生态监测和畜牧业生产。

天然草地具有重要的生态功能，是干旱半干旱区重要的生态屏障，掌握草地的质量与数量动态变化，具有重要意义。叶面积指数（Leaf Area Index，LAI）是重要的生理参数，对陆地生态系统和大气系统中间的能量、水汽和二氧化碳交换有重要影响。叶绿素是重要的光合作用物质，与植物中营养含量有关，叶绿素含量包括叶片叶绿素含量（Leaf chlorophyll content，LCC）、冠层叶绿素含量（Canopy chlorophyll content，CCC）。.本研究在乌鲁木齐市和昌吉市两个山地草原研究区，采集植被冠层光谱数据和相关的配套数据，使用包括统计模型、机器学习、物理模型的三种方法反演LAI和叶绿素含量，评估各种方法的精度表现，探究影响反演精度的因素，为更好地反演草原植被理化参数提供科学依据。本文得到以下主要成果和结论：.（1）通过对红边参数、植被指数与实测的LAI、叶绿素含量数据建立统计模型，分析、验证后获知GreenNDVI、NDVI、RVI、SAVI2等植被指数反演精度最高。.（2）取合适的波段、取多个解的平均值、应用不同类型的代价函数这些反演策略在使用PROSAIL模型反演LAI和CCC时，可以显著提高反演精度。.（3）在三种估算方法中，机器学习方法获取了最高的精度，通过比较可以知道以核函数为基础的机器学习算法精度较高。.（4）利用统计模型和物理模型反演时，随着样方中植物种类的增加，对LAI和CCC反演精度随之下降，当种类数从2提高到3时，精度下降的速度最快。有些机器学习算法对种类变化不敏感，而且随着样本数量增多，精度一般会提高（例如GPR算法），所以机器学习算法比较适合天然草原植被理化参数的高光谱反演。