论文部分内容阅读
高光谱遥感技术具有多波段、高分辨率的特点,分为成像高光谱遥感和非成像高光谱遥感。非成像高光谱技术具有详细记录地面地物光谱特征的特点,不仅可以帮助理解航空或航天高光谱遥感数据的性质,而且能够深入理解遥感成像的内在机理。地物波谱特征分析可提高不同种类遥感数据分析应用精度。植被类型识别与分类、植物化学成分的估测等成为高光谱遥感研究热点。目前,农作物的波谱特征与生化成分分析研究较为成熟,而针对森林树种的波谱特征与生化成分相关分析研究相对较少,结果也较为分散。论文以湖南省攸县黄丰桥国有林场杉木成熟林为研究对象,使用美国分析光谱仪器公司(Analytical Spectral Devices, Inc)生产的手持式野外光谱辐射仪(波长范围325nm-1075nm)进行地面或空中的杉木冠层波谱观测,并同步开展叶绿素a、叶绿素b、叶绿素总量、类胡萝卜素的生化成分分析；采用ViewSpec Proversion 4.02、SPSS17.0统计软件、MATLAB软件、EXCEL数据分析工具对波谱数据进行处理和生化成分相关性分析；通过多元线性逐步回归分析技术和曲线拟合技术以及神经网络技术,探讨冠层高光谱反射率及其变换形式与对应生物化学参数之间的关系,并建立估算模型,然后采用三类精度检验指标对同一生物化学参数的多个估算模型预测能力进行评价,最终筛选出可分别对各类生物化学参数进行估算的最适合高光谱估算模型。各类模型如下：(1)叶绿素a含量：①y=312.033×x508-760.74×x557+0.684(注：X508和x557分别表示508nm和557nm处的一阶微分光谱)②y=exp(-0.443+8.423×Rg)③y=0.642exp(8.423×Rg)④叶绿素a含量的神经网络模型(2)叶绿素b含量：①y=385.103×x501+212.857×x456+0.421(注：x501和x456分别表示501nm和456nm处的一阶微分光谱)②叶绿素b含量的神经网络模型(3)叶绿素总含量：①少=0.291×x395+20.172×x521+0.758(注：x395和x521分别表示395nm和521nm处的原始光谱)②y=exp(-0.085+7.962×Rg)③y=0.919exp(7.962×Rg)④叶绿素总量的神经网络模型(4)类胡萝卜素含量：类胡萝卜素含量的神经网络模型总之,通过对杉木成熟林开展波谱观测和数据处理,找出对杉木成熟林波谱特征有显著影响的生化参数及高光谱遥感估算模型,找到杉木生化参数敏感波段,为树种波谱特征研究做了试探性研究,并为今后进行杉木多龄组、多时相的高光谱遥感估算模型的建立做了基础性的研究。