Improving the performance of smartphone-derived crop leaf area index

叶面积指数LAI（Leaf Area Index）是表征植被冠层结构特征的一个重要参数，已经成为多个对地观测系统的陆表参数标准产品，也是定量遥感模型的重要输入参数。快速、准确地获取植被LAI对于开展遥感产品验证、促进遥感模型的发展具有极为重要的意义。随着传感器性能与应用软件功能扩展，智能手机已经成为植被LAI测量的新选择。然而，由于手机成像传感器窄视场角的限制，现有算法依赖于叶倾角分布函数为球型分布的假设，即G函数（单位叶面积在垂直于观测天顶角的平面上的投影）恒等于0.5。因而，传统算法无法解决植被叶倾角分布未知的情况。本文提出了一种基于形状匹配的G函数估算方法，基于有限长度方法和多幅影像间隙率，计算样方内的植被冠层聚集指数，利用泊松分布模型分别得到了植被冠层有效叶面积指数（LAIeff）和真实叶面积指数（LAItru），并用黑龙江海伦农场两种农作物类型（玉米和大豆）的破坏性测量得到的时间序列真实LAI数据（LAIdes）对算法进行了验证。结果表明，算法改进之前的均方根误差（RMSE）分别是0.84（垂直拍摄）和1.33（倾斜57°拍摄），改进后LAIeff（有效LAI）和LAItru（真实LAI）的RMSE为分别为0.58（垂直拍摄）和0.56（垂直拍摄）。新算法得到的LAI值在时间序列变化趋势上与实测值更为一致。本文算法扩展了农作物LAI测量方法，为从智能手机影像中快速、准确提取植被LAI提供了可能。后续研究将会从分析外部光照环境变化对测量结果的影响和增加不同植被类型的验证数据两个方向进一步开展工作。