科研之友
微信
新浪微博
Facebook
分享链接
摘要
胡杨叶绿素含量的快速、无损、准确监测，可以为荒漠河岸林的健康遥感监测提供理论依据。本研究以胡杨作为研究对象，测得不同地下水埋深区域的胡杨叶片进行光谱与之相对应的叶绿素含量，分析不同埋深区叶片的叶绿素含量及光谱特征变化，采用灰色关联度与相关系数法分析所光谱与叶绿素的关系，提取出敏感波段后，利用机器学习算法，建立基于BP神经网络、PLSR、SVM的叶绿素含量的光谱估算模型。结果显示：随地下水埋深的增大，叶绿素含量呈先上升后下降趋势，不同埋深下胡杨叶绿素含量高低依次是：4～6 m>2～4 m>6～8 m>8～10 m>0～2 m,说明叶绿素含量对地下水埋深变化较敏感；光谱反射率曲线在峰谷处的反射率大小依次是4～6 m>0～2 m>6～8 m>8～10 m>2～4 m,说明光谱曲线对地下水埋深梯度变化有响应。一阶导数的BP神经网络估算模型具有较好的稳定性及预测能力，其决定系数(R2)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.81,0.20和2.14。研究表明：基于一阶导数的BP神经网络估算模型对叶绿素a+b具有较好的预测能力，可以用于快速准确地监测胡杨叶片的叶绿素含量，为荒漠绿洲过渡带的生态保育提供技术支撑。
- 单位
