基于微分变换的湿地植物高光谱全氮反演

摘要：

叶片全氮含量是监测和诊断湿地植物生理状况及生长趋势的重要指标,利用高光谱技术监测湿地植物氮含量,对于理解湿地生态系统氮循环具有重要意义.为探究湿地植物叶片全氮含量遥感光谱的估算方法,以云南省大理西湖湿地公园优势植物芦苇(Phragmites australis)和茭草(Zizania caduciflora)全氮含量为研究对象,对叶片光谱数据进行预处理并建立二者的关系模型,包括单变量模型、多变量模型(偏最小二乘回归模型和BP神经网络模型),并利用决定系数(r2)和均方根误差(RMSE)对模型精度进行检验.结果表明:①不同形式的光谱变换增强了植物全氮含量与光谱变量的细节特征,二者的短波红外波段相关性强于可见光近红外波段.芦苇二阶微分(R′′)反射率与全氮含量在1682 nm处相关性最强,相关系数为0.70;茭草平方根二阶微分〔(√R)′′〕反射率与全氮含量在1190 nm处相关性最强,相关系数高达?0.80.②不同植物类型相比,利用茭草的变换光谱反射率建立的单变量和偏最小二乘回归模型建模精度都高于芦苇.③不同回归模型相比,BP神经网络模型的精度最高,其芦苇和茭草全氮含量估算模型的r2均为0.96,均方根误差(RMSE)分别为0.63、0.47,是建立湿地植物光谱与全氮含量关系的最优模型.研究显示,BP神经网络模型对湿地植物氮含量的预测精度较高,且计算速度快,不仅可为人工智能技术在湿地监测与管理提供有力的科学依据,而且可以为湖泊水环境污染治理应用提供新思路.

关键词：光谱变换、单变量模型、偏最小二乘回归、BP神经网络

所属期刊栏目：35

分类号：X503.23;Q948(一般性问题)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1268-1276