高光谱数据预处理对大豆叶绿素密度反演的作用

摘要：

针对高光谱数据异常值影响叶绿素密度反演精度的问题,以大豆叶片为研究材料,利用马氏距离和蒙特卡洛交叉验证法(MonteCarlo cross validation,MCCV)剔除异常样本,探讨13种高光谱数据预处理方法对叶绿素密度偏最小二乘法(partial least square,PLS)建模的影响.结果表明,马氏距离法和MCCV剔除异常样本能提高校正模型的精度,在权重系数为1时剔除异常样本数3个,模型精度最高,校正集决定系数和均方根误差分别为0.821和0.112.微分处理能大幅度提高模型的预测精度,二阶微分处理效果最好,校正集决定系数和均方根误差分别为0.998和0.012,验证集决定系数和均方根误差分别为0.961和0.139,具有比原始光谱更高的精度.因此,适宜的高光谱数据预处理可有效提高大豆叶绿素密度估测精度.

关键词：高光谱、预处理、大豆、叶绿素密度、偏最小二乘法

所属期刊栏目：32

分类号：TP79(遥感技术)

资助基金：国家重点研发计划项目2016YFD030060203;国家自然科学基金31571615

在线出版日期：2017-10-20（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：64-69