基于多任务学习的叶面积指数和叶绿素浓度协同反演方法

本发明公开了一种基于多任务学习的叶面积指数和叶绿素浓度协同反演方法，包括：选取随机若干样点，在目标区域内均匀布设样点，分别测量样点的LAI值和LCC值，并记录WGS84坐标；根据实测样点经纬度信息获取目标区域的高分辨率遥感影像；基于预处理后的遥感影像构建多种植被指数，采用互信息方法筛选出敏感VIs；将实测数据集划分为训练集、验证集和测试集；采用树状估计器对渐进分层提取网络模型进行超参数优化，建立最优的PLE协同反演模型；利用测试集评估PLE模型的反演精度，并与常规单任务模型的反演结果进行对比。本发明有效解决了传统单独反演方法效率较低以及精度相对有限的问题，具有良好的准确性和普适性。