基于无人机多光谱遥感的芳樟矮林SPAD反演

摘要：

为实现利用多光谱技术开展芳樟叶绿素相对含量(SPAD)监测,及时快速诊断芳樟矮林生长状况,为田间管理决策提供信息支持,以红壤区芳樟矮林为研究对象,利用无人机多光谱遥感影像,提取波段反射率,筛选植被指数,分别以波段反射率和植被指数为模型输入量,采用偏最小二乘回归、支持向量回归、反向传播(Back propagation,BP)神经网络和径向基函数(Radial basis function,RBF)神经网络4种方法构建芳樟矮林SPAD反演模型,并对比不同输入量、不同模型模拟结果的反演精度.研究结果表明:对比两种不同的输入量,在同一模型反演的精度相差不大;其中,基于偏最小二乘回归法,以植被指数为模型自变量估测芳樟矮林SPAD效果略优;基于支持向量回归、BP神经网络和RBF神经网络,以波段反射率为模型自变量估测芳樟矮林SPAD效果略优;对比4种建模方法,不同方法建模预测精度不同,与偏最小二乘回归、支持向量回归和BP神经网络相比,基于RBF神经网络反演芳樟SPAD的精度最高,以波段反射率和植被指数为模型输入量的测试集为例,其决定系数R2分别为0.788、0.751,均方根误差(RMSE)分别为1.838、2.457,表明RBF神经网络在芳樟矮林SPAD预测过程中具有明显优势.

关键词：芳樟、叶绿素相对含量、多光谱遥感、反射率、植被指数、径向基函数神经网络

所属期刊栏目：54

分类号：S758(森林经营学、森林计测学、森林经理学)

资助基金：国家自然科学基金;国家自然科学基金;江西省主要学科学术;技术带头人培养计划青年项目;江西省科技厅重大科技专项;江西省林业局樟树研究专项

在线出版日期：2023-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：201-209