基于高光譜影像小麥理化參數(shù)的定量反演方法研究.pdf

1、本文以2001年的冬小麥試驗為基礎，以研究區(qū)高光譜影像及農學參數(shù)的地面實測值為數(shù)據(jù)源，引入地理加權回歸算法，對小麥理化參數(shù)的定量反演方法展開相關研究。研究的主要內容包括：將影像數(shù)據(jù)與實測農學數(shù)據(jù)結合，提取對應采樣點的光譜反射率以構建用于建模反演理化參數(shù)的指標信息，篩選出能夠表征作物生長信息空間變異的最佳指標；分析所選最佳指標的空間結構特征變化；借助于 GWR4軟件分別為葉綠素及葉面積指數(shù)構建地理加權回歸模型，對比分析地理加權回歸與全局回

2、歸的模型反演精度，并探討了局部回歸系數(shù)的空間差異性。研究所取得的主要成果有以下幾個方面：
　　（1）基于常規(guī)分析法，通過分析光譜反射率、光譜特征組合參數(shù)、主成分影像波段信息分別與葉綠素及葉面積指數(shù)之間的相關關系，并遵循以相關系數(shù)為主，變異系數(shù)為輔，相關系數(shù)相近時選取變異系數(shù)大的指標的原則分別為葉綠素 a、葉綠素 b、葉綠素ab及葉面積指數(shù)LAI篩選出了4種能夠表征它們生長狀況的最佳指標；為以上4種參數(shù)各自所選的4個指標分別為：MN

3、F11、REP、SR、EVI，SR、IC21、ARVI、NDVI， MNF11、SR、EVI、VOG1及SR、PC32、EVI、ARVI。
　　（2）將地統(tǒng)計學的空間變異理論應用于所選指標，分別為所選植被指數(shù)及主成分波段信息進行半方差變異函數(shù)計算及理論模型擬合，以分析它們的空間結構特征變化；結果表明：平行于壟向時，各指標的空間分布均一度高，其函數(shù)圖基本都能保持類似理想化空間變異曲線的走勢；垂直于壟向時，各指標的空間分布較為復雜，受

4、多種因素的綜合影響，其空間變異性受隨機因素的影響更為顯著。
　?。?）由地理加權回歸模型反演小麥理化參數(shù)的結果可知：無論是單變量還是多變量回歸模型，地理加權回歸均比全局回歸取得更高的模型反演精度；用于建模反演葉綠素及葉面積指數(shù)的各指標都存在因空間地理位置變化而引起的局部差異性，均不能達到將其作為全局項而構建半?yún)?shù)回歸模型的標準；各指標與理化參數(shù)間的相關性越強，構建模型時最優(yōu)帶寬的選取范圍越小，相關性越弱，最優(yōu)帶寬的選取范圍越大；同