摘 要: | 
为实现对植物健康状况的快速、无损监测,本文以黄河三角洲滨海湿地土著植物盐地碱蓬 (Suaeda salsa)为研究对象,采集了碱蓬滩湿地无人机(Unmanned Aerial Vehicle, UAV)高光谱影像和123个碱蓬样方的叶绿素荧光参数Fv/Fm,分析了光谱比值、差值和归一化植被指数与Fv/Fm的相关性,采用统计分析算法和机器学习算法分别优选植被指数和Fv/Fm的遥感反演模型并进行评价,利用最优模型获取基于无人机影像的Fv/Fm空间分布。研究结果表明:黄河三角洲滨海湿地盐地碱蓬Fv/Fm与光谱植被指数D450/D756、D612−D849和(D517−D851)/(D517+D851)的相关性较高,其中利用Fv/Fm和植被指数(D517−D851)/(D517+D851)构建的统计分析模型精度最高(R2=0.606, RMSE=0.006),模型预测值和实测值之间的R2为0.739,RMSE为0.724;利用Fv/Fm和植被指数D612−D849构建的机器学习模型精度最高,其中基于BP神经网络算法构建的反演模型R2为0.821,RMSE为0.261;基于PSO-DELM算法构建的反演模型R2为0.982,RMSE为0.140。 本研究可为无人机高光谱影像的碱蓬叶绿素荧光参数反演研究提供重要参考,并为大面积碱蓬叶绿素荧光参数估测提供技术支持。

|