地理加权回归模型结合高光谱反演盐生植物叶片盐离子含量

V232.4; 快速、无损地估算盐生植物叶片盐离子含量在植物生长监测、耐盐植物筛选和土壤盐渍化监测等方面有实用价值.该研究以新疆艾比湖保护区内盐生植物为研究对象,通过分析植物叶片盐离子(K+、Na+、Ca2+、Mg2+)含量与冠层高光谱数据的光谱变换和二维植被指数(比值型植被指数(ratio vegetation index,RVI)、差值型植被指数(difference vegetation index,DVI)、归一化型植被指数(normalized difference vegetation index,NDVI))的相关性选取特征波段,构建基于地理加权回归模型(geographical...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 35; no. 10; pp. 115 - 124
Main Authors 袁婕, 张飞, 葛翔宇, 郭婉臻, 邓来飞
Format Journal Article
LanguageChinese
Published 新疆大学绿洲生态教育部重点实验室,乌鲁木齐 830046%新疆大学资源与环境科学学院,乌鲁木齐 830046 15.05.2019
新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室,乌鲁木齐 830046
新疆大学绿洲生态教育部重点实验室,乌鲁木齐 830046
新疆大学资源与环境科学学院,乌鲁木齐 830046
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:V232.4; 快速、无损地估算盐生植物叶片盐离子含量在植物生长监测、耐盐植物筛选和土壤盐渍化监测等方面有实用价值.该研究以新疆艾比湖保护区内盐生植物为研究对象,通过分析植物叶片盐离子(K+、Na+、Ca2+、Mg2+)含量与冠层高光谱数据的光谱变换和二维植被指数(比值型植被指数(ratio vegetation index,RVI)、差值型植被指数(difference vegetation index,DVI)、归一化型植被指数(normalized difference vegetation index,NDVI))的相关性选取特征波段,构建基于地理加权回归模型(geographically weighted regression,GWR)的叶片盐离子含量估算模型,并与BP神经网络模型(back propagation neural network)进行对比,研究基于GWR模型估算干旱区盐生植物叶片盐离子的可行性.结果表明,选取特征波段集中表现在红及短波红外波段:K+含量在反射率倒数的对数选取的红光区域内波段使用GWR估算效果最佳;Na+的特征波段在光谱变换下集中于短波红外区域,二维植被指数集中在近红外、短波近红外及黄、橙、红区域,各种波段选取下GWR对Na+的含量估算均有较好效果,但反射率对数的一阶估算效果最好;Ca2+含量在反射率平方根的一阶微分下选取的短波红外波段通过GWR模型估算效果最好;Mg2+含量在DVI选取的位于红光区域特征波段估算效果最佳,但使用GWR模型对Mg2+的估算精度不及BP模型.分析基于GWR盐离子模型估算模型发现,含量较高的离子估算效果更好,K+、Na+的模型精度优于Ca2+、Mg2+.在使用GWR模型估算植物叶片盐离子含量时,特征波段均指向红及短波红外波段,符合植被光谱机理的响应.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2019.10.015