叶绿素含量BP反演模型的光谱信息输入因子构建研究

摘要：

植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型.高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构.以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPT-PCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型.通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92％信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力.

关键词：高光谱遥感、叶绿素含量、BP反演模型、输入因子、小波包变换、主成分分析

所属期刊栏目：15

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金项目41271436;中央高校基本科研业务费专项资金2009QD02

在线出版日期：2015-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：82-87