用高光谱曲线分形维数分析植被健康状况

植被叶片高光谱反射曲线包含植被生长状况的众多信息,该文在分析光谱特征参数如红边位置、绿峰反射高度、红谷吸收深度以及红边面积的基础上,提出利用分形理论对450～780 nm之间的反射光谱曲线进行分形测量,并用分形维数定量反映其健康状况的新思路。研究表明,(1)植被反射光谱曲线具有分形特征,对于相同植被,其不同健康状况的叶片在可见光到近红外(450～780 nm)间的反射光谱曲线分形维数呈逐渐下降趋势;(2)分别针叶和阔叶,分形维数均与绿峰反射高度、红谷吸收深度以及红边面积3个光谱参数之间存在较好的正相关关系;(3)分形维数与绿峰反射高度、红谷吸收深度以及红边面积也存在较好的多元线性关系,其相关指数分别为0.892 8和0.698 7。因此,分形维数是对曲线整体的一个综合分析和定量描述,能够作为一个新的综合参数来客观反映植被叶片所处的健康状况。     

马尾松针叶光谱特征与其叶绿素含量间关系研究

以马尾松针叶野外高光谱数据为基础,分析了马尾松光谱变化,构建或借助不同光谱特征参数,在理论和实践分析的基础上,建立了马尾松针叶叶绿素含最与光谱反射率及9个特征参数之间的关系.研究结果表明:(1)马尾松叶绿素含量在527,703,1 364及1 640 nm四个波长附近,与其反射率具有较好的线性关系,为马尾松遥感监测在波段选择上提供了依据;(2)红边位置、红边平均反射率、红边位置附近平均反射率、红边斜率、红边面积、红谷吸收深度、绿峰反射高度、红边归一化植被指数、红边植被胁迫指数等9个马尾松反射光谱特征参数均与叶绿素含量间存在指数函数关系,相关系数绝对值在0.5～0.7之间;(3)采用9个光谱特征参数建立了马尾松针叶叶绿素含量预测模型,且所建立的基于高斯核函数变换的偏最小二乘回归模型对叶绿素含量的预测精度远远大于传统线性回归模型,模型的均方误差为0.008 8,平均绝对百分误差为0.761 7%.