基于红边参数的芦苇叶绿素的反演研究

摘要

干旱区荒漠植物的叶绿素定量反演是动态监测、快速有效评估植物生物量及长势的有效方法.利用便携式可见-近红外光谱仪FieldSpecPro3测定绿洲、盐碱地及沙漠3种生境内的芦苇高光谱值,对高光谱数据一阶微分以及红边参数与叶绿素含量进行了相关分析,选取最佳红边参数建立经验估算模型与神经网络模型,并评估检验.模型显示,三种生境下均为二项式回归模型的决定系数最佳,检验精度的决定系数(R2)分别为0.8466、0.8672和0.7935,均方根误差RMSE(root-mean-square error)分别为2.3601、1.4112和2.8002;BP神经网络模型的检验精度的决定系数(R2)分别为0.9147、0.9331和0.8813,RSME分别为1.4010、0.9964和0.5559.结果表明,利用BP(back propagation)神经网络估算的模型精确度显著提高,可作为芦苇叶绿素高光谱反演的有效模型而使用,为荒漠植物叶片叶绿素的光谱特征反演提供了借鉴,为监测荒漠植物生长、产量估算及动态监测等提供可行的手段.