论文部分内容阅读
植被叶片水含量对于植被的健康状况是十分重要的,因此对于植被水含量的监测是很有意义的。传统的水含量的测量方法时耗久、费用高,而遥感技术的出现则可以解决这些问题。基于遥感手段测得的植被叶片反射光谱建立的植被指数可以很好的估算植被叶片水含量。但是,之前关于植被水含量的研究主要集中在叶片的近轴面,而在实际的遥感测量中,叶片的远轴面的反射数据也会由于叶片的结构差异和叶片的倾斜和转动的影响而进入遥感传感器,叶片水含量只用近轴面的反射数据进行估算存在一定误差,因此本研究基于叶片的近、远轴面,创建估算植被叶片水含量的模型,并希望以此为基础,进一步推广到植被冠层层次植被水含量测量,同时为今后利用遥感方法进行大规模植被水含量检测提供一定的理论依据。本文对比了以往文章中一些常用的估算植被水含量的植被指数,在此基础上,新创建了MDATT指数。结果表明,与现有的估算植被叶片水含量的指数相比,基于可见光波段以及水分吸收波段附近的波段创建的MDATT指数对植被EWT的建模精度以及检验精度都更好,并且在近轴面、远轴面以及双面数据集上的预测植被EWT的表现都要好于其它指数,说明MDATT指数具有较强的稳定性。除了植被指数的方法之外,本研究基于小波分析以及偏最小二乘法对样本的原始光谱进行处理,并用这两种方法对植被EWT进行了建模与预测精度评价。结果表明,在采用小波分析估算EWT时,叶片单面(近轴面或者远轴面)光谱信息与EWT的相关性相对较强,而叶片双面光谱信息与EWT的相关性相对较差,且与EWT相关性最佳的小波基的分解尺度都不超过32;在预测能力上,除了五叶地锦的远轴面和双面数据集,其它数据集的预测表现都较好,且近轴面的预测精度普遍高于远轴面和双面;在采用偏最小二乘法预测EWT时,建模精度高(R~2>0.9),在预测表现方面,除了五叶地锦的远轴面(R~2=0.83)、银白杨的远轴面(R~2=0.71)和双面(R~2=0.82)相对较差,其余数据集的预测表现都很好(R~2>0.9)。总体而言,在绝大部分数据集上,利用MDATT指数、小波分析法以及偏最小二乘法均能较好地估算植被叶片EWT值。其中偏最小二乘法的预测能力是最好的(R~2最高,RRMSE最小),除了银白杨远轴面,其它的预测R~2都超过了0.8,表现较为稳定。在所有样本数据混合时,同样也是偏最小二乘法的预测能力最佳。因此,本研究认为,偏最小二乘法能够不受叶片近远轴面的影响,较为精确地估算植被叶片EWT的值。