论文部分内容阅读
高光谱遥感的产生和发展,为应用遥感技术进行森林资源调查、森林健康状况研究、森林生物量及其他森林参数估算提供了更高光谱分辨率的数据。森林生化参数,特别是森林叶绿素及氮素含量直接反映着森林的健康和胁迫情况,利用遥感手段定量的估算森林生化参数对研究全球碳循环模型,评价森林对陆地生态系统的作用有着重要的意义。本研究通过获取叶片的叶绿素和氮素含量数据及其对应的叶片光谱数据,研究叶片生化参数,特别是叶绿素及氮素含量的遥感定量估算方法和模型。本研究分别使用了多元统计模型、神经网络模型、支持向量机以及物理光学模型四种方法研究叶绿素含量及氮素含量的估算模型。结果表明,叶片尺度叶绿素含量的反演方法中,以改进的误差后向反馈神经网络Erf-Bp模型效果最好。其中以包含13个神经元的三层式Erf-BP神经网络精度最高,网络拟合精度为95.28%,检验精度为94.46%,均方根误差RMSE为3.321μg/cm2。叶片尺度氮素含量反演方法,使用Diff(R535)变量,Sigmoid=1时的径向基函数核支持向量机模拟效果较好,实测数据与模型模拟结果之间的相关系数达到了0.984。叶绿素及氮素含量的估算模型是基于叶片光谱建立的,不能直接进行森林冠层生化参数的遥感定量反演。因此,本研究使用几何光学模型4-Scale模型结合查找表的方法将高光谱Hyperion影像的冠层光谱转化为叶片光谱,从而使叶绿素及氮素含量估算模型参数和遥感影像具有相同的尺度,应用反演模型实现叶片尺度的叶绿素和氮素含量的遥感定量反演。然后结合森林结构参数(叶面积指数)实现叶片尺度与冠层尺度叶绿素含量及氮素含量的转化。叶面积指数的遥感定量估算使用的是统计方法。利用地面实测数据建立叶面积指数与高光谱遥感影像植被指数的相关性模型,实现研究区域叶面积指数的定量反演。叶面积指数反演模型的决定系数R2为0.8156,均方根误差RMSE为0.5426,模型精度为83.02%。利用Hyperion影像中反演的叶面积指数,结合叶片尺度的叶绿素及氮素含量制图,得到了研究区域冠层尺度的叶绿素及氮素含量制图。结果表明,叶绿素及氮素含量的反演结果较好,与实际情况相符合。