基于连续小波变换的蒺藜植被覆盖度预测

摘要

植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜(Tribulus terrestris L.)为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换(continuous wavelet transform,CWT)对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法(partial least square,PLSR)和支持向量机(support vector machine,SVM)两种方法,以不同自变量建立植被覆盖度估算模型。结果表明:①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI(2260 nm,2210 nm)、RI(1410 nm,660 nm)、NI(1470 nm,670 nm)、RDVI(1770 nm,670 nm)、MSR(1410 nm,660 nm);②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.7889;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.8069;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.7818;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R^(2)为0.9059,RMSE为0.0356,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。