リモートセンシングとGISのジャーナル

概要

高度な統計的アプローチを用いたリモートセンシングデータからの葉面積指数の取得

ゴーダ PH、オーメン T、ミスラ D、シュワルツ RC、ハウエル TA、ワグル P

葉面積指数 (LAI) のマッピングとモニタリングは、地表エネルギー収支、蒸発散量、植生生産性をモデル化するために不可欠です。リモート センシングは、LAI とスペクトル植生指数 (SVI) の経験的回帰を使用して、広いエリアの個々のフィールドで LAI を時間効率とコスト効率の高い方法で迅速に収集するのに役立ちます。ただし、太陽表面センサーの形状、背景反射率、大気によるキャノピー反射率の変動がキャノピー自体の変動よりも大きい場合は、これらの関係が効果的でない可能性があります。これには、優れた地域固有の LAI-SVI モデルの開発が必要です。近年、サポート ベクター マシン (SVM) や関連ベクター マシン (RVM) などの統計学習方法は、複雑なプロセスに対する通常の最小二乗 (OLS) 回帰モデルよりも優れています。この研究の目的は、OLS、SVM、および RVM ベースの反射率モデルを開発して比較し、テキサス高原地帯の主要な夏作物の LAI を推定することです。 LAI は、ムーア郡とオチルツリー郡の無作為に選ばれた 47 の商業用圃場で測定されました。データ収集は、研究対象地域における Landsat 5 衛星の通過に合わせて行われました。OLS、SVM、および RVM モデルを使用して LAI を推定するために、多数の SVI 導出が検討されました。結果の分析により、TM バンド 4 と 3 の比率と正規化植生指数差 (NDVI) に基づく SVI-LAI モデルが LAI に対して最も敏感であることが示されました。選択されたモデルの R2 値は 0.79 ～ 0.96 の範囲で変化し、SVM モデルが最良の結果を生み出しました。ただし、報告された LAI モデルの精度は、より広い適用性のために、圃場内の LAI の空間変動を考慮したさらなる評価が必要です。