基于FastICA盲源分离法去除土壤干扰的小麦生物量高光谱估算

作者：李燕丽; 吴士文; 刘娅; 王昌昆; 刘杰; 徐爱爱; 潘贤章

来源：生态学杂志, 2017, 36(04): 1158-1164.

DOI：10.13292/j.1000-4890.201704.023

• 快速独立分量分析
• 生物量
• 高光谱
• 盲源分离
• 小麦

高光谱技术是一种快速无损监测植被生物量的有效方法,但土壤背景的干扰一直是生物量监测的主要限制因素之一。本研究试图利用盲源分离（blind source separation,BSS）法分离出净植被光谱,达到消除土壤背景影响,提高小麦生物量估算精度的目的。本研究对110组小麦冠层光谱数据进行快速独立分量分析（fast independent component analysis,Fast ICA）处理,提取净植被光谱,并对比了Fast ICA处理前后所建的偏最小二乘回归（partial least squares regression,PLSR）模型估算精度。结果表明:Fast ICA算法可有效分离土壤光谱和植被光谱;且基于净植被光谱建立的小麦生物量估算模型精度得到明显提升,建模集RPDc（ratio of performance to deviation of the calibration）和交叉验证集RPDcv（ratio of performance to deviation of the cross calibration）分别由原始光谱的1.83和1.64提高至2.77和2.09;可见,Fast ICA可以作为有效的光谱数据预处理方法,显著提高小麦生物量的估算精度,为利用遥感技术进行大尺度、精准监测生物量提供了方法支持和理论依据。

• 单位
  中国科学院大学; 土壤与农业可持续发展国家重点实验室; 中国科学院南京土壤研究所