学位论文 > 优秀研究生学位论文题录展示

基于小波变换的芦苇叶绿素含量的地物高光谱反演研究

作　者: 苗茜
导　师: 郭逍宇
学　校: 首都师范大学
专　业: 地图学与地理信息系统
关键词: 小波变换叶绿素反演逐步回归
分类号: TP79
类　型: 硕士论文
年　份: 2013年
下　载: 3次
引　用: 0次
阅　读: 论文下载

内容摘要

目前,遥感技术已成为植物生长状态大面积监测的重要手段,高光谱遥感在植被生长状态诊断中的应用逐渐成为人们研究和关注的焦点。如何更快速、准确的获得植被生理状态的有效信息对研究生态环境效应至关重要。芦苇是典型的湿地植被,监测芦苇的生长状态对研究湿地生态环境效应有重要意义,同时,在科学研究方面,建立一种快速、准确和低成本的光谱分析法,以替代费时、高成本的植物化学分析方法也具有重要意义。本文以北京市奥林匹克公园南园湿地为研究区域,对不同湿地净化系统内的芦苇进行野外测量并将其移栽至实验室进行氮梯度处理,得到室内和野外两种尺度芦苇地物高光谱数据作为研究对象,以原始光谱和原始光谱进行一级导数变换之后的数据矩阵作为输入数据类型,借助于一维小波变换(2、4、8、16、32、64六个尺度变换)和逐步回归的方法构建芦苇叶绿素浓度(或含量)反演模型,利用非参数检验和多因素方差分析对模型进行优化,并采用交叉验证决定系数R2c,和均方根误差RMSEcv对该反演模型精度进行验证。本文的研究结论如下：(1)基于室内和野外两种尺度的芦苇叶片光谱数据叶绿素反演单因素优化结果分析表明小波分解尺度是影响模型反演精度的关键要素,其次为模型的输入数据类型,而小波基类型变化对模型反演精度不存在显著影响。各要素交互影响的结果表明输入数据类型和小波分解尺度之间的交互作用对模型的反演精度也存在显著影响,其余因素交互均对模型反演精度无显著影响。(2)基于室内和野外两种尺度芦苇叶片光谱数据叶片叶绿素含量反演敏感波段位置有所不同。对于室内叶片原始反射率光谱,与叶绿素含量相关性较高的波段多位于可见光区的蓝、红色波段,而其导数光谱与叶绿素含量相关性较高的波段多位于蓝、绿色波段以及红边波段；对于野外叶片原始反射率光谱,与叶绿素含量相关性高的波段多位于绿色和红色波段,其导数光谱与叶绿素含量相关性高的波段多位于红边波段和近红外光区。基于两种尺度的叶片光谱数据所构建的反演模型的入选波段多位于红边波段,这说明红边波段是影响叶绿素反演的稳定波段范围。(3)基于室内和野外两种尺度芦苇叶片光谱数据叶绿素反演模型中的不确定性因素的研究结果表明：原始反射率光谱经导数光谱的转换后放大了噪声信息,导数光谱变换和小波系数变换对模型精度反演的不确定性因素贡献率不发生叠加放大。基于导数光谱特征变换的野外尺度的叶绿素反演较基于室内尺度的叶绿素反演中不确定性因素贡献率更小。(4)对于室内光谱数据,利用导数光谱经biorl.5小波分解后得到的分解尺度为4的小波系数构建的反演模型R2cv为0.879,RMSEcv为4.776,是建立芦苇叶片室内光谱与叶绿素浓度关系的最优模型；对于野外光谱数据,利用导数光谱经coif2小波分解后得到的分解尺度为4的小波系数构建的反演模型R2cv为0.8202,RMSEc,仅为0.354,是建立芦苇叶片野外光谱与叶绿素含量关系的最优模型。本文的研究成果能够为湿地植被生长状态遥感探测提供一定的参考借鉴,也为城市湿地监测与管理提供有力的科学依据。

全文目录

摘要  4-6
ABSTRACT  6-12
第1章绪论  12-18
  1.1 研究背景和意义  12-13
  1.2 国内外高光谱反演植被叶绿素研究现状  13-15
  1.3 研究内容与技术路线  15-18
    1.3.1 本文的研究内容  15
    1.3.2 技术路线  15-18
第2章高光谱遥感数据的获取与分析  18-24
  2.1 室内光谱数据获取  18-19
  2.2 野外光谱数据获取  19-20
  2.3 叶绿素测量  20
  2.4 一维小波变换概述  20-22
  2.5 逐步回归分析简介  22-23
  2.6 模型检验方法简介  23-24
    2.6.1 多独立样本的K-W检验  23
    2.6.2 多因素方差分析  23
    2.6.3 舍一交叉验证  23-24
第3章基于室内尺度的芦苇叶绿素含量地物高光谱反演分析  24-45
  3.1 基于原始光谱特性的叶绿素反演分析  24-32
    3.1.1 原始反射率光谱与叶绿素含量的相关性分析  24-25
    3.1.2 反射率光谱的小波系数与叶绿素含量的相关分析  25-31
    3.1.3 基于小波变换的叶绿素含量反演模型的构建  31-32
  3.2 基于原始光谱导数变换的叶绿素反演分析  32-41
    3.2.1 导数光谱与叶绿素含量的相关性分析  32-33
    3.2.2 导数光谱的小波系数与叶绿素含量的相关分析  33-39
    3.2.3 基于小波变换的叶绿素含量反演模型的构建  39-41
  3.3 模型的不确定性分析  41-43
  3.4 模型的精度验证  43-45
第4章基于野外尺度的芦苇叶绿素含量地物高光谱反演分析  45-67
  4.1 基于原始光谱特性的叶绿素反演分析  45-54
    4.1.1 原始反射率光谱与叶绿素的相关性分析  45
    4.1.2 反射率光谱的小波系数与叶绿素含量的相关分析  45-51
    4.1.3 基于小波变换的叶绿素含量反演模型的构建  51-54
  4.2 基于原始光谱导数变换的叶绿素反演分析  54-64
    4.2.1 导数光谱与叶绿素含量的相关性分析  54
    4.2.2 导数光谱的小波系数与叶绿素含量的相关分析  54-60
    4.2.3 基于小波变换的叶绿素含量反演模型的构建  60-64
  4.3 模型的不确定性分析  64-65
  4.4 模型的精度验证  65-67
第5章总结与展望  67-69
参考文献  69-71
致谢  71

基于小波变换的芦苇叶绿素含量的地物高光谱反演研究

内容摘要

全文目录

相似论文