[发明专利]基于逆高斯过程反演叶面积指数的农作物长势监测方法

权利要求书

1.基于逆高斯过程反演叶面积指数的农作物长势监测方法，其特征在于，具体步骤如下：

S1、使用传感器无差别大气校正方法SIAC获取一致性的哨兵2号地表反射率；

S2、使用样本点对应的哨兵2号地表反射率的时间序列数据，提取待测的作物各个关键性生育期，进行监督分类以获取研究区作物空间分布图；

S3、针对作物对应的PROSAIL模型参数集合进行广泛采样，以获取黑土壤背景下PROSAIL模拟的作物光谱和包含土壤信息背景下PROSAIL模拟的作物光谱；所述S3具体方法为：根据大量的实测样本点获取作物对应的PROSAIL模型的主要生物物理参数的最小值、最大值，在所述最小值、最大值的范围内使用拉丁超立方抽样方法进行随机均匀采样，将采样所得的大量参数输入PROSAIL模型，模拟作物在不同生长状况下的光谱，即得到黑土壤背景下PROSAIL模拟的作物光谱和包含土壤信息背景下PROSAIL模拟的作物光谱；

S4、利用哨兵2号的波谱响应函数将S3中模拟的作物光谱转换为与哨兵2号对应的波段光谱，即获得黑土壤背景下PROSAIL模拟的地表反射率和包含土壤信息背景下PROSAIL模拟的地表反射率；

S5、对S4所得的黑土壤背景下PROSAIL模拟的地表反射率进行主成分分析，选前4个主成分作为纯冠层的光谱反射特征；同时，对实测土壤光谱曲线对应的哨兵2号地表反射率进行主成分分析，选前2个主成分作为纯土壤的光谱反射特征；

S6、基于S5所得的纯冠层的光谱反射特征和纯土壤的光谱反射特征，对S4所得包含土壤信息背景下PROSAIL模拟的地表反射率进行线性分解，得到PROSAIL模拟的纯冠层反射率；

S7、利用高斯过程模拟学习S4所得黑土壤背景下PROSAIL模拟的地表反射率与LAI之间的映射关系，实现纯冠层光谱反射率到LAI的预测，得到训练好的高斯过程模型；步骤S7中所述实现纯冠层光谱特征到LAI的预测，采用的公式如下：

f_*与具有高斯噪声的训练样本点y之间是一个多元高斯分布：

该多元高斯分布均值为0，协方差矩阵为其中：f_*、y分别是预测样本点和训练样本点的LAI；X_*、X分别是预测样本点和训练样本点的反射率数据；是训练样本的协方差，是人为给训练样本加的高斯噪声的方差，K(X_*,X_*)是预测样本的协方差，K(X,X_*)是训练样本与预测样本的协方差，～表示服从于，N表示高斯分布；

因此，预测样本的条件分布概率为：

按照公式(3)、(4)计算，其中，E的含义是期望，的含义是定义为，^－1表示矩阵的逆，|表示条件：

令K＝K(X,X)，K_*＝K(X,X_*)，则预测样本的预测均值f与预测协方差cov(f_*)见公式(5)、公式(6)：

高斯过程的训练是一个优化过程，以此得到决定公式(1)中的协方差矩阵的超参数，从而能够利用公式(5)、(6)计算预测样本的均值和不确定性预测协方差cov(f_*)；T的含义是转置；

在本高斯过程径向基函数核为：

其中，σ是该核函数的超参数；

S8、基于S5的主成分分析所得结果，对原始的哨兵2号影像进行线性分解，得到对应的纯冠层反射率；再将S6得到的PROSAIL模拟的纯冠层反射率与其进行对比，选取与其最接近的PROSAIL模拟的纯冠层反射率输入S7所训练好的高斯过程模型，得到LAI；以历史近3年的地块平均LAI轨迹作为基准，将当年LAI轨迹与此进行对比，从而对当前作物的长势的好差进行判断。

2.如权利要求1所述的基于逆高斯过程反演叶面积指数的农作物长势监测方法，其特征在于，所述作物为主粮作物。

3.权利要求1或2所述基于逆高斯过程反演叶面积指数的农作物长势监测方法的应用，其为根据长势监测结果指导田间灌溉、施肥、植保。