偏最小二乘回归在Hyperion影像叶面积指数反演中的应用

被引：12

作者：

孙华 ^{[1
,2
]}

鞠洪波 ^{[1
]}

张怀清 ^{[1
]}

林辉 ^{[2
]}

凌成星 ^{[1
]}

机构：

[1] 中国林业科学研究院资源信息研究所

[2] 中南林业科技大学林业遥感信息工程研究中心

来源：

中国农学通报 | 2012年 / 28卷 / 07期

关键词：

遥感反演; 叶面积指数; 变量投影重要性指标; Hyperion;

D O I：

暂无

中图分类号：

S127 [遥感技术在农业上的应用]; TP79 [遥感技术的应用];

学科分类号：

082804 ;

摘要：

叶面积指数(LeafArea Index,LAI)是一个重要的森林结构参数指标,遥感技术被认为是区域LAI反演的有效手段。现有遥感反演模型多以单变量的曲线估计及线性回归模型为主,模型的通用性、建模精度以及植被指数的选择上需要更进一步的探讨。以攸县黄丰桥林场为研究区,Hyperion影像为数据源,提取归一化植被指数(NDVI)、比值植被指数(RVI)等13个因子,利用LAI-2000冠层分析仪开展130个样地(60m×60m)的叶面积指数测量,选用变量投影重要性(VIP)指标、变量解释能力及变量权重作为变量筛选的依据,采用偏最小二乘回归分析方法建立植被指数与实测样地的回归模型,开展叶面积指数反演并制图。研究结果表明:偏最小二乘回归分析在LAI反演中取得了较好的预测效果,其中以6个植被因子建立的回归模型预测精度最高,预测值与实测值的决定系数R2为0.91;LAI与植被指数之间具有良好的线性关系,其中RVI与LAI的相关性最大;残差分析表明,反演模型的自变量个数选取以4～6个为宜。

引用

页码：44 / 52

页数：9

共 34 条

[1] 基于NDVI与偏最小二乘回归的荒漠化地区植被覆盖度高光谱遥感估测 [J].