利用PRO4SAIL与支持向量机回归的组合模型反演植被等效水厚度

为监测路域植被生态环境,利用遥感影像和辐射传输模型物理基础实现了对植被冠层等效水厚度(EWT)的估测。提出了利用PRO4SAIL与支持向量机回归的组合模型对等效水厚度进行反演的方法。选取Landsat7 ETM+影像,结合实测数据探索验证了PRO4SAIL与支持向量机回归的组合模型的植被参数反演的实用性和准确性。研究表明,该组合模型具有较好的预测能力,反演得到的等效水厚度含量精度较高,为支持向量机模型应用于遥感影像反演植被参数提高了有力支撑。

路域植被叶绿素多光谱遥感定量反演研究

叶绿素是植被光合作用的主要物质,准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱,以TM影像为数据源,分析了物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性,研究了利用多光谱信息定量反演路域植被叶绿素含量。结果表明,植被光谱与叶绿素含量之间有较强的相关性;利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性,该研究成果可以为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。

路域植被等效水厚度估算模型研究

植被等效水厚度对路域生态环境的监测评估具有重要意义。本研究以湖南醴潭高速一段为研究对象,以地面实测光谱和等效水厚度以及PRO4SAIL模拟光谱和模拟等效水厚度为数据源,利用PRO4SAIL冠层模型模拟光谱与地面实测光谱建立12种常用水分指数,引入随机森林算法对水分指数与等效水厚度进行重要性分析,得到12种水分指数的重要性排序;利用调整R2确定建立等效水厚度估算模型中输入水分指数的最佳个数;在优选水分指数基础上,以PRO4SAIL模拟光谱计算得到水分指数和等效水厚度为训练集,分别构建随机森林耦合偏最小二乘(RF-PLS)、随机森林耦合支持向量机(RF-SVM)和随机森林耦合遗传算法优化支持向量机(RF-GA-SVM)等效水估算模型,并用地面实测等效水厚度对估算模型进行精度验证与分析。结果表明:RF-SVM估算模型中输入重要性前9的水分指数(NDWI、NMDI、SRWI、SR、NDII、WI、DWI、MSI、SAVI)时,调整R2最高,验证集决定系数为0.8877;RF-PLS和RF-GA-SVM估算模型中输入重要性前4的水分指数(NDWI、NMDI、SRWI、SR)时,调整R2最高,验证集决定系数分别为0.8053、0.8952,其中RF-GA-SVM模型估算等效水厚度效果最佳,其精度满足路域植被等效水厚度监测要求。本文研究成果为等效水厚度估算提供一种有效且精确的方法,同时为发展基于高光谱遥感的路域环境监测提供重要支撑。

一种组合反演叶面积指数的方法

针对传统PRO4SAIL+查找表方法反演叶面积指数存在查找表过于庞大,反演速度较慢等问题,该文提出一种基于PRO4SAIL与局部加权多元回归组合模型反演叶面积指数的方法。通过利用卫星传感器光谱响应函数实现了实测端元高光谱向像元多光谱的转化,解决了测量尺度不同导致的反射率差异问题;选取两种叶面积指数植被指数MTVI1和MCARI1作为反演因子,同时只选用40组PRO4SAIL模型模拟数据建立训练组,解决查找表数据量过大的问题;将局部加权多元回归的权重因子距离公式按照反演因子个数从一维空间扩展至多维空间,更符合实际应用。该组合模型的预测决定系数为0.727 1,平均相对误差为11.09%,传统查找表的预测决定系数为0.693 2,平均相对误差为13.63%。实验结果表明:组合模型具有较好的预测能力,反演得到的叶面积指数含量精度较高,可为更好地监测路域植被生态环境提供技术支撑。