基于主成分分析和BP神经网络的法国梧桐叶绿素含量高光谱反演研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;综合分析了10个常见光谱植被指数与法国梧桐叶绿素含量的相关性与预测性;最后利用主成分分析对光谱数据进行降维,将得到的主成分得分作为BP人工神经网络模型的输入变量进行了法国梧桐叶绿素含量的估算。结果表明:法国梧桐的叶片反射光谱数据与叶绿素含量的相关性在可见光区域显著,导数光谱数据在绿黄光区和红光区的部分波段与叶绿素含量的相关系数大于对应波段光谱反射率与叶绿素含量的相关关系。在所列举的10个常用植被指数中归一化植被指数与叶绿素含量的关系最密切,相关系数达到了0.7957。主成分分析的BP神经网络模型可以容纳更多的波段信息进行叶绿素含量的估算,预测值与实测值之间的线性回归的确定性系数R2为0.9883,是一种良好的植被叶绿素含量高光谱反演模式。     

用分析模型方法反演水体叶绿素的浓度

水体叶绿素浓度是水质评价的一个重要指标。建立水体光学传输的分析模型，进而用分析模型反演水体叶绿素浓度，对于提高遥感反演水质参数的精度和实用性具有重要意义。作者于2004年6月初对太湖18个点位进行了同步水体波谱实测和水体取样分析。由这18个点位的实测数据，利用Gordon模型建立了R（0^-）的模拟模型，并进而用优化函数的方法反演水体叶绿素浓度。反演值与实测值的相关系数达到0．99，当叶绿素浓度高于30mg／m^3时，反演的相对误差小于20％。进而用该模型反演2005年7月太湖7个点位的叶绿素浓度，反演值与实测值的相关系数为0．94，其中，有6个点位的反演值相对误差小于60％。     

SO2污染环境下水稻导数光谱与生理生化指标的相关性研究

通过田间开顶式小区熏气试验,研究在SO2急性伤害条件下水稻冠层导数光谱与叶片含硫量、叶液pH值以及叶绿素含量的相 关性。分别选择分蘖期和抽穗期显著相关的波段(分蘖期： 689 nm、584 nm、570 nm; 抽穗期： 689 nm、584 nm、585 nm)建立 预测叶片含硫量、叶液pH值及叶绿素含量的回归模型,并分别用拔节期和灌浆期相应导数光谱反射率检验模型预测精度。结果表明 ,由分蘖期建立的回归模型估测拔节期叶液pH值以及叶绿素含量与实测值之间相关系数分别为0.884和0.630; 由抽穗期建立的回 归模型估测灌浆期的叶片含硫量、叶绿素含量与实测值之间相关系数分别为0.659和0.768,均通过显著检验。     

基于经验模型的Hyperion数据植被叶绿素含量反演

对于反演植被叶绿素含量而言,基于Hyperion等高光谱传感器数据、利用经验方法建模是一种快速准确的方法。利用多种植被的实测数据以及Hyperion模拟数据,分析植被反射率及其变化形式与叶绿素含量的相关性,并进一步针对红边参数、植被指数等分析植被反射率与叶绿素含量的关系,选取最准确的经验建模方法。经过对比,改进的简单比值指数(modified simple ratio,MSR)与叶绿素含量相关性最高,其回归模型能比较准确地反演出叶绿素含量。通过Hyperion图像、利用MSR指数与实测叶绿素含量得到回归模型,建立区域叶绿素含量分布图;并对张掖地区植被叶绿素含量进行了反演,反演结果具有较高精度,相对误差低于5%。     

基于PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。     

应用MODIS数据反演河北省海域叶绿素a浓度

为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果.     

地面高光谱和PROSAIL模型的冬小麦叶绿素反演

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。     

高光谱技术的水上苯乙烯厚度反演模型研究

针对水上发生化学品泄露时传统监测手段不能及时准确地获取泄露污染物的厚度问题,提出了以高光谱数据为基础数据,提取出与污染物厚度相关性较好的特征变量作为预测变量,结合python中的机器学习,通过4种预测模型进行污染物厚度反演。本文以水上泄露常见的化学品苯乙烯为例,测定不同厚度的水上苯乙烯及其对应的高光谱数据集,通过相关系数以及p值极值提取法,筛选出的11个特征变量,分别建立了多元线性回归(MLR)、偏最小二乘(PLSR)、支持向量机(SVM)和随机森林(RF)4种苯乙烯厚度反演模型。结果显示,4种反演模型都可以达到相对较好的反演效果,其中随机森林模型反演效果相对较好,其相关系数(R~2)为0.938 6,均方根误差(RMSE)为20.94,完全可以用于水上苯乙烯厚度反演。     

基于环境小卫星数据反演太湖叶绿素含量

以太湖为研究对象,根据环境一号卫星数据和实测得到的水面叶绿素a浓度,利用ENVI软件对太湖地区进行校正和裁剪等有关处理并获取光谱信息与实测叶绿素含量来进行建模选取,最后对模型反演结果进行对比并做精度验证。选取了遥感影像成像叶绿素a浓度值,对得到的58个样本进行分析,从样本随机选取2/3的数据用于建模,剩下1/3数据用于模型验证,得到了37个建模样本和20个验证样本,通过验证说明,本文所建立叶绿素a浓度反演模型具有较高的精度。     

一种三江平原湿地的植被冠层叶绿素反演

针对三江平原洪河湿地保护区内主要特征植被冠层的叶绿素含量,采用PROSAIL模型从物理角度进行反演。首先将叶面积指数、叶片结构参数、等价水厚度、叶绿素实测含量等一些植被理化参数的实测值输入模型得到模拟光谱数据,然后与实测光谱数据对比验证其准确性。在模型中,通过固定其他参量不变,取叶绿素含量为唯一值时,考察在不同叶面积指数下叶绿素含量对冠层反射率的影响。结果显示,植被冠层叶绿素含量的敏感波段为555nm和720nm。基于PROSAIL模型的叶绿素反演方法较传统的统计模型相比是较好且稳健的方法。