研究背景：

衛(wèi)星成像光譜學在地面應用中日趨成熟，最近發(fā)射和即將發(fā)射的科學驅(qū)動任務，例如 PRecursore IperSpettrale della Missione Applicativa (PRISMA) 和環(huán)境制圖和分析計劃 (EnMAP)，將提供高光譜觀測。此外，高優(yōu)先級任務候選者 Copernicus Hyperspectral Imaging Mission for the Environment (CHIME) 預計將為全球提供常規(guī)高光譜觀測，以支持新的和增強的服務，包括可持續(xù)農(nóng)業(yè)和生物多樣性管理。

研究目標：

本文提出了一種用于從星載成像光譜數(shù)據(jù)進行操作交付的第一個混合冠層氮含量 (CNC) 檢索模型。

研究方法：

將基于物理的模型與機器學習回歸算法和主動學習 (AL) 相結(jié)合。關(guān)鍵概念包括：

• (1) 將輻射傳輸模型 PROSPECT-PRO 和 SAIL 結(jié)合起來，生成各種植被狀態(tài)作為訓練數(shù)據(jù)；

• (2) 使用降維來處理共線性；

• (3) 將 AL 技術(shù)與高斯過程回歸 (GPR) 相結(jié)合，對現(xiàn)場收集數(shù)據(jù)的訓練數(shù)據(jù)集進行微調(diào)；

• (4) 添加非植被光譜，使模型能夠處理圖像中的光譜異質(zhì)性。

最終的 CNC 模型已針對現(xiàn)場數(shù)據(jù)進行了成功驗證，實現(xiàn)了 3.4 mg/m2 的低均方根誤差 (RMSE) 和 0.7 的決定系數(shù) (R2)。該模型被應用于德國慕尼黑北部農(nóng)業(yè)地區(qū)的 PRISMA 圖像。地上 CNC 制圖在整個景觀上產(chǎn)生了可靠的估計值和有意義的相關(guān)不確定性。這些令人鼓舞的結(jié)果證明了從太空常規(guī)量化 CNC 的可行性，例如作為未來 CHIME 任務的一部分在運營環(huán)境中。

主要發(fā)現(xiàn)：

• 本文提出了一種用于從星載成像光譜數(shù)據(jù)進行操作交付的第一個混合冠層氮含量 (CNC) 檢索模型。

• 該模型已針對現(xiàn)場數(shù)據(jù)進行了成功驗證，實現(xiàn)了 3.4 mg/m2 的低均方根誤差 (RMSE) 和 0.7 的決定系數(shù) (R2)。

• 該模型被應用于德國慕尼黑北部農(nóng)業(yè)地區(qū)的 PRISMA 圖像，在地圖繪制地上 CNC 時產(chǎn)生了可靠的估計值和有意義的相關(guān)不確定性。

• 這些令人鼓舞的結(jié)果證明了從太空常規(guī)量化 CNC 的可行性，例如作為未來 CHIME 任務的一部分在運營環(huán)境中。

  
  

慕尼黑北部的 PRISMA 插圖和放大的 MNI 試驗場冬小麥和玉米田（2017 年和 2018 年），以偽彩色紅外顯示（R：865.6 nm，G：650.5 nm，B：554.3 nm）。

a)預處理前PRISMA子集的RGB假色合成，圖像中垂直條紋清晰可見；b) 預處理后PRISMA子集的RGB假色合成；c) 預處理之前（紅線）和之后（藍線）的植被 PRISMA 光譜示例。紅點標記了通過該特定像素的平滑過程去除的條帶。藍點表示用于樣條平滑插值的頻帶?；疑幱皡^(qū)域表示在樣條平滑插值后移除的光譜區(qū)域以獲得最終的 PRISMA 光譜。

PRISMA CNC 測繪混合測繪策略的工作流程。NV：無植被。

擬合優(yōu)度結(jié)果（RMSE，R2右2）針對驗證數(shù)據(jù)使用 AL (EBD)。AL 序列從 100 個樣本開始，到 136 個樣本結(jié)束。

沿 1:1 線測量的 CNC 與估計的 CNC，包括 EBD 減少的訓練數(shù)據(jù)集（左）和 EBD 減少的 + 24 個添加的非植被 (NV) 光譜（右）的不確定性區(qū)間。

EBD 縮減的最終訓練數(shù)據(jù)集（藍色）與驗證數(shù)據(jù)集（紅色）的統(tǒng)計數(shù)據(jù)（平均值、標準差、最小–最大） 。

PRISMA 圖像 (01/08/2020) 重新采樣為CHIME波段并處理為 CNC，單位為 [g/m 2 ]（上），相關(guān)相對不確定性單位為 [%]（下）。

PRISMA CNC 圖的子集，單位為 [g/m 2 ]。相對不確定性超過 20% 的區(qū)域被掩蓋。

總結(jié)：本文提出了一種用于從星載成像光譜數(shù)據(jù)進行操作交付的冠層氮含量 (CNC) 檢索模型。該模型結(jié)合了先進的輻射傳輸模型 (RTM) 和機器學習方法，具有良好的通用性和快速處理能力。該模型在德國慕尼黑北部農(nóng)業(yè)地區(qū)的 PRISMA 圖像上進行了驗證，并取得了較高的準確性。該模型可用于對全球農(nóng)業(yè)地區(qū)的 CNC 進行常規(guī)監(jiān)測。推薦指數(shù)：????