一种基于场景化参数标定与集成学习的冬小麦LAI反演方法

本发明公开了一种基于场景化参数标定与集成学习的冬小麦LAI反演方法。本发明首先融合遥感影像与地形、土壤等辅助地理信息，采用谱聚类方法对研究区域进行典型种植场景划分；然后基于马尔科夫链蒙特卡洛(MCMC)算法对辐射传输模型PROSAIL中的高敏感参数(如LAI、Cab、Cm、ALA)进行场景化优化，获得与实际观测更一致的参数后验分布；进一步利用优化参数生成高质量、均质化的模拟样本集，并映射至Sentinel‑2波段构建训练数据集；最后采用多种机器学习模型(如LightGBM、XGBoost、RF、KNN)进行训练，并通过堆叠集成策略构建融合模型，实现LAI的高精度反演。实验结果表明，本发明方法在多个典型种植场景中具有更高的拟合精度与更强的泛化能力。