光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
5期
1315-1319
,共5页
付元元%王纪华%杨贵军%宋晓宇%徐新刚%冯海宽
付元元%王紀華%楊貴軍%宋曉宇%徐新剛%馮海寬
부원원%왕기화%양귀군%송효우%서신강%풍해관
高光谱遥感%冬小麦%生物量%波段深度分析%偏最小二乘回归
高光譜遙感%鼕小麥%生物量%波段深度分析%偏最小二乘迴歸
고광보요감%동소맥%생물량%파단심도분석%편최소이승회귀
当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量.针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较.波段深度分析主要对冬小麦冠层光谱550～750 nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征.在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2 =0.792,RMSE=0.164 kg·m-2).研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度.
噹作物生物量較大時,現有植被指數由于受飽和問題限製,不能較好的估算作物生物量.針對此問題,嘗試將波段深度分析與偏最小二乘迴歸(partial least square regression,PLSR)結閤,提高對大田鼕小麥生物量的估算精度,併將兩者結閤建立的模型與應用代錶性植被指數建立的模型進行生物量估算精度比較.波段深度分析主要對鼕小麥冠層光譜550～750 nm範圍進行,採用波段深度、波段深度比(band depth ratio,BDR)、歸一化波段深度指數和歸一化麵積波段深度對波段深度信息進行錶徵.在建立的模型中,波段深度分析和PLSR結閤的估算精度比應用植被指數模型的精度高,其中BDR與PLSR結閤的估算精度最高(R2 =0.792,RMSE=0.164 kg·m-2).研究結果錶明波段深度分析與PLSR結閤能較好的剋服生物量較大時存在的飽和問題,提高鼕小麥生物量的估算精度.
당작물생물량교대시,현유식피지수유우수포화문제한제,불능교호적고산작물생물량.침대차문제,상시장파단심도분석여편최소이승회귀(partial least square regression,PLSR)결합,제고대대전동소맥생물량적고산정도,병장량자결합건립적모형여응용대표성식피지수건립적모형진행생물량고산정도비교.파단심도분석주요대동소맥관층광보550～750 nm범위진행,채용파단심도、파단심도비(band depth ratio,BDR)、귀일화파단심도지수화귀일화면적파단심도대파단심도신식진행표정.재건립적모형중,파단심도분석화PLSR결합적고산정도비응용식피지수모형적정도고,기중BDR여PLSR결합적고산정도최고(R2 =0.792,RMSE=0.164 kg·m-2).연구결과표명파단심도분석여PLSR결합능교호적극복생물량교대시존재적포화문제,제고동소맥생물량적고산정도.
