基于优化SVR高光谱指数的独尾草叶绿素含量估算

以位于新疆准噶尔盆地腹地的古尔班通古特沙漠为研究区,测定独尾草幼苗期、开花期的叶片光谱反射率和叶绿素含量,分析24种光谱指数与叶绿素含量之间的相关关系,选用相关性较高的光谱指数建立优化支持向量回归机（SVR）估算模型。结果表明:（1）开花期的叶绿素含量高于幼苗期,主要与植被的光合作用有关,开花期的光谱反射率低于幼苗期,两期的光谱反射率符合普遍植物光谱反射率。（2）在幼苗期,GNDVI（green normalized difference vegetation index）与叶绿素含量相关性最高（R2=0.664）;在开花期,GM-2（Gitelson and Merzlyak）与叶绿素含量相关性最高（R2=0.711）。按相关性排序时,在两期中,决定系数排名前7的光谱指数都相同。（3）将7个敏感光谱指数作为输入因子,通过3种优化算法选择最优参数（c,g）,建立优化SVR估算模型:幼苗期和开花期,模型精度都较高,PSO-SVR>GA-SVR>GS-SVR,其中PSO-SVR决定系数最高,均方根误差最小。在幼苗期,PSO-SVR决定系数为0.812,均方根误差为0.728,在开花期,PSO-SVR决定系数为0.841,均方根误差为0.247。说明基于PSO-SVR算法优化后的SVR模型精度高误差小,能较好地对叶绿素含量进行估算,且独尾草叶绿素含量开花期的估算比幼苗期的效果要好。本研究为荒漠植被生态特征的监测估算、时空分布和生化参数反演提供了科学依据和技术支持。