植被参数高光谱遥感反演最佳波段提取算法的改进-IngentaConnect.PDF

第 31 卷 第 12 期 农 业 工 程 学 报 Vol.31 No.12 2015 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2015 179 植被参数高光谱遥感反演最佳波段提取算法的改进 1,3 1,2※ 1,2 1 4 5 程志庆 ，张劲松 ，孟 平 ，李岩泉 ，王鹤松 ，李春友 （1. 中国林业科学研究院林业研究所，北京 100091 ；2. 南京林业大学南方现代林业协同创新中心，南京 210037 ； 3. 国家林业局林木培育重点实验室，北京 100091 ；4. 北京林业大学林学院森林培育与保护教育部重点实验室，北京 100083 ； 5. 河北农业大学园林与旅游学院，保定 071000 ） 摘 要：高光谱信息量巨大，如何选取最佳组合波段构建高精度光谱模型，是植被参数遥感反演模型研究的重要工作基 础。该研究将最佳指数与相关系数通过熵权评价值进行融合，提出最佳指数－相关系数法（optimum index factor and correlation coefficient，OIFC ）。基于OIFC 法选取了小麦叶片叶绿素含量的最佳组合波段，并利用最佳组合波段的高光谱 数据建立小麦叶片叶绿素含量预测模型。结果表明：利用 OIFC 法所提取的小麦叶绿素最佳组合波段是 760、1 860、 1 970 nm；对比最佳指数法（optimum index factor，OIF ）、最大相关系数法（maximum correlation coefficient ，MCC ）提 取波段以及归一化植被指数（normalized difference vegetation index ，NDVI ）、土壤调和植被指数（soil-adjusted vegetation index，SAVI）所建立的叶片叶绿素含量高光谱模型，基于OIFC 法构建的模型预测值与实测值具有显著的线性关系，决 定系数达 0.827，且均方根误差最小（RMSE=5.44 ）。可见，基于 OIFC 法构建的小麦叶绿素含量模型具有更高的精度， 该结果验证了利用 OIFC 法提取高光谱特征波段的可行性，并且能够获得更高建模精度的特征波段。 关键词：算法；植被；光谱分析；高光谱；特征波段；改进 doi ：10.11975/j.issn.1002-6819.2015.12.024 中图分类号：TP79 文献标志码：A 文章编号：1002-6819(2015)-12-179-07 程志庆，张劲松，孟 平，等. 植被参数高光谱遥感反演最佳波段提取算法的改进[J]. 农业工程学报，2015，31(12)： 179－185. doi ：10.11975/j.issn.1002-6819.2015.12.024 Cheng Zhiqing, Zhang Jingsong, Meng Ping, et al. Improvement of algorithm used for extraction hyperspectral feature bands of vegetation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(12): 179 － 185. (in Chinese with English abstract) doi：10.11975/j