基于Sentinel-2数据的干旱区典型绿洲植被叶绿素含量估算

论文摘要

以渭干河—库车河绿洲（渭—库绿洲）为研究区,采用在机器学习方面具有明显优势的随机森林回归算法,对绿洲内的4种典型植被（棉花、芦苇、杨树、大枣）叶片的叶绿素相对含量（soil and plant analyzer development,SPAD）进行估算和验证。首先基于"红边"处光谱信息丰富的哨兵2号（Sentinel-2）影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数,加入3种影响植物生长的土壤参量（土壤含水量,土壤有机质,土壤电导率）作为影响叶片SPAD的特征变量,再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型,从而实现对绿洲内植被叶绿素的监测。结果表明:①影像经一阶微分再提取的植被指数相比原位光谱植被指数,在SPAD估测模型中起到了更重要的作用,在随机森林算法的重要性排序中位居前列;②4种植被叶片的SPAD估测模型都取得了不错的效果,芦苇叶片尤为显著,确定系数（R2）达到了0. 926;③分析对比3种方案下模型预测能力,方案3（包含土壤参量）的预测能力卓越〔2. 143 <相对百分比偏差（RPD）<2. 692〕,其预测能力排序为:方案3>方案1>方案2,土壤属性和模型预测结果有较强的非线性相关。Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力,提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量,可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考。

论文目录

• 1 数据与方法
•   1.1 研究区概况
•   1.2 实测数据
•     1.2.1 植被叶片SPAD值
•     1.2.2 植被叶片光谱
•     1.2.3 土壤含水量
•     1.2.4 土壤有机质
•     1.2.5 土壤电导率
•   1.3 影像数据
•     1.3.1 图像预处理
•     1.3.2 植被影像反射率的提取和精度
•     1.3.3 构建和选择植被指数
•   1.4 构建估算模型
•   1.5 特征重要性评分
•   1.6 模型精度检验方法
• 2 结果与分析
•   2.1 特征重要性分析
•   2.3 叶片SPAD值模型估算结果
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 顾峰,丁建丽,葛翔宇,高石宝,王敬哲

关键词: 绿洲,数据,叶绿素,植被指数,随机森林,新疆

来源: 干旱区研究 2019年04期

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,自动化技术

单位: 新疆大学资源与环境科学学院,新疆大学智慧城市与环境建模自治区普通高校重点实验室,新疆大学绿洲生态教育部重点实验室,浙江大学地球科学学院

基金: 国家自然科学基金资助项目(41771470),新疆自治区重点实验室专项基金资助项目(2016D03001),自治区科技支疆项目(201591101)

分类号: TP181;Q948

DOI: 10.13866/j.azr.2019.04.17

页码: 924-934

总页数: 11

文件大小: 7918K

下载量: 389