基于Sentinel-2数据的干旱区典型绿洲植被叶绿素含量估算
以渭干河-库车河绿洲(渭-库绿洲)为研究区,采用在机器学习方面具有明显优势的随机森林回归算法,对绿洲内的4种典型植被(棉花、芦苇、杨树、大枣)叶片的叶绿素相对含量(soil and plant analyzer development,SPAD)进行估算和验证.首先基于“红边”处光谱信息丰富的哨兵2号(Sentinel-2)影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数,加入3种影响植物生长的土壤参量(土壤含水量,土壤有机质,土壤电导率)作为影响叶片SPAD的特征变量,再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型,从而实现对绿洲内植被叶绿素的监测.结果 表明:①影像经一阶微分再提取的植被指数相比原位光谱植被指数,在SPAD估测模型中起到了更重要的作用,在随机森林算法的重要性排序中位居前列;②4种植被叶片的SPAD估测模型都取得了不错的效果,芦苇叶片尤为显著,确定系数(R2)达到了0.926;③分析对比3种方案下模型预测能力,方案3(包含土壤参量)的预测能力卓越[2.143＜相对百分比偏差(RPD)＜2.692],其预测能力排序为:方案3＞方案1＞方案2,土壤属性和模型预测结果有较强的非线性相关.Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力,提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量,可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考.
绿洲、Sentinel-2数据、SPAD、叶绿素、植被指数、随机森林、新疆
36
国家自然科学基金资助项目41771470;新疆自治区重点实验室专项基金资助项目2016D03001;自治区科技支疆项目201591101
2019-08-14（万方平台首次上网日期，不代表论文的发表时间）
共11页
924-934
