高光谱技术与机器学习在植被叶绿素含量估算模型中的应用研究.docxVIP

高光谱技术与机器学习在植被叶绿素含量估算模型中的应用研究

目录

内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1.1植被生理生态信息的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.1.2叶绿素含量的表征价值．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.1.3高光谱遥感技术的兴起．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.1.4机器学习算法的应用潜力．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.2.1基于光谱的叶绿素估算方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

1.2.2高光谱数据在植被分析中的应用．．．．．．．．．．．．．．．．．．．．．．．．17

1.2.3机器学习估算模型进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

1.2.4现有研究的不足与挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

1.3研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

1.3.1本研究的主要目的．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

1.3.2具体研究内容框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

1.4技术路线与研究方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

1.4.1总体研究思路．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

1.4.2关键技术选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

1.5论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

高光谱技术与叶绿素含量理论基础．．．．．．．．．．．．．．．．．．．．．．．．．31

2.1高光谱遥感基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

2.1.1高光谱数据获取方式．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

2.1.2高光谱数据的物理特性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

2.1.3高光谱数据的特点与优势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

2.2植被叶绿素吸收特性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

2.2.1叶绿素在光谱中的主要吸收峰．．．．．．．．．．．．．．．．．．．．．．．．．．43

2.2.2影响叶绿素吸收特性的因素．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

2.3叶绿素含量估算模型相关理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

2.3.1常用光谱处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

2.3.2植被指数及其与叶绿素的关系．．．．．．．．．．．．．．．．．．．．．．．．．．50

高光谱叶绿素含量估算模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．51

3.1数据集描述与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

3.1.1试验区域概况与样品采集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

3.1.2高光谱数据获取与整理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

3.1.3叶绿素含量测定方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57

3.1.4数据预处理技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．59

3.2特征波段/特征变量选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62

3.2.1基于光谱特征的选择方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63

3.2.2基于植被指数的选择方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64

3.2.3特征有效性验证．．．．．．．．．．．．．．．．．．．