基于双倒高斯模型的高光谱数据植被光谱诊断性特征分析及水分反演

发布时间：2017-08-31 05:28

  本文关键词：基于双倒高斯模型的高光谱数据植被光谱诊断性特征分析及水分反演

  更多相关文章： 植被含水量 双倒高斯模型 光谱分析 回归分析

【摘要】：植被含水量是影响和评价植被生长状态的重要因素之一。因此,针对高光谱数据具有目标诊断性特征精细反演的特点,较为精准地提取了植被的光谱诊断性特征,在包络线去除法的基础上,提出了基于双倒高斯模型的光谱吸收峰特征参数提取方法。首先,根据植被光谱吸收峰特征建立了双倒高斯模型,其次,为了验证模型的正确性和有效性,利用地面试验数据及真实的Hyperion高光谱遥感数据对模型进行了验证。结果表明:通过模型提取的光谱特征参数:吸收峰深度、对称度与植被含水量呈线性相关,决定系数R2分别为0.86和0.76,RMSE为0.797和1.112。实验结果在证实了模型有效性的同时验证了高光谱数据对于植被含水量反演的可行性。
【作者单位】： 哈尔滨工业大学图像所;
【关键词】： 植被含水量 双倒高斯模型 光谱分析 回归分析
【基金】：国家自然科学基金项目(61471148)
【分类号】：Q948;TP79
【正文快照】： 1引言植被含水量(Vegetation Water Content,VWC)的测定对于生态环境监测、精准农业、森林火灾风险评估等应用都具有重要的意义[1]。野外实测手段会消耗大量的人力物力,且仅能反映采样点周边较小范围和较短时间的含水量状态,无法获取长时间连续监测数据,因此其代表性受到质疑

【参考文献】

中国期刊全文数据库 前2条

1 邓兵;杨武年;慕楠;张超;;基于光谱分析与角度斜率指数的植被含水量研究[J];光谱学与光谱分析;2016年08期

2 潘佩芬;杨武年;戴晓爱;郑菠;;不同森林植被的高光谱特征分析[J];遥感技术与应用;2013年06期

【共引文献】

中国期刊全文数据库 前5条

1 刘璇;张晔;滕艺丹;丁照伦;;基于双倒高斯模型的高光谱数据植被光谱诊断性特征分析及水分反演[J];遥感技术与应用;2016年06期

2 张颖;余代俊;杨晓霞;戴晓爱;;基于改进的样本预选取的高光谱影像半监督分类[J];地理空间信息;2016年09期

3 杨芳;陈冬花;李虎;李建贵;许丽敏;;新疆博州典型荒漠植被光谱反射特征分析[J];遥感信息;2016年03期

4 李伟涛;彭道黎;张艳;吴见;陈泰生;;琅琊山区主要树种冠层光谱年际变化研究[J];光谱学与光谱分析;2015年08期

5 马黛;李斐;孟显元;赵瑞华;史树德;;甜菜氮素营养及诊断技术研究进展[J];中国糖料;2015年04期

【二级参考文献】

中国期刊全文数据库 前10条

1 吴海龙;余新晓;张振明;张艳;;基于多种植被指数的土壤含水量估算方法[J];光谱学与光谱分析;2014年06期

2 潘佩芬;杨武年;戴晓爱;;基于主成分分析的植被含水率模型[J];国土资源遥感;2013年03期

3 潘佩芬;杨武年;简季;戴晓爱;;基于光谱指数的植被含水率遥感反演模型研究——以岷江上游毛尔盖地区为例[J];遥感信息;2013年03期

4 陈永刚;丁丽霞;葛宏立;张茂震;胡芸;;基于Mann-Whitney非参数检验和SVM的竹类高光谱识别[J];光谱学与光谱分析;2011年11期

5 刘炜;常庆瑞;郭曼;邢东兴;员永生;;不同尺度的微分窗口下土壤有机质的一阶导数光谱响应特征分析[J];红外与毫米波学报;2011年04期

6 刘丽娟;庞勇;范文义;李增元;李明泽;;整合机载CASI和SASI高光谱数据的北方森林树种填图研究[J];遥感技术与应用;2011年02期

7 孙林;程丽娟;;植被叶片生化组分的光谱响应特征分析[J];光谱学与光谱分析;2010年11期

8 张佳华;许云;姚凤梅;王培娟;郭文娟;李莉;YANG LiMin;;植被含水量光学遥感估算方法研究进展[J];中国科学:技术科学;2010年10期

9 王志辉;丁丽霞;;基于叶片高光谱特性分析的树种识别[J];光谱学与光谱分析;2010年07期

10 董晶晶;王力;牛铮;;植被冠层水平叶绿素含量的高光谱估测[J];光谱学与光谱分析;2009年11期

【相似文献】

中国期刊全文数据库 前7条

1 屈志毅,陈建华,黄鹤鸣;一种基于高斯模型的人脸检测方法[J];兰州大学学报;2003年06期

2 李志明;汪太月;李宏伟;;基于非对称广义高斯模型的局部优化检测中的应用[J];海南大学学报(自然科学版);2009年01期

3 安智超;徐雅斌;;基于物联网的活动范围受限人员监管系统的研究[J];数学的实践与认识;2014年07期

4 李三平;张毓森;;基于Multiwavelet广义高斯模型的图像盲隐写分析[J];解放军理工大学学报(自然科学版);2008年03期

5 方力;用ADMS-城市模型与一般高斯模型预测SO_2浓度的对比分析[J];辽宁气象;2002年02期

6 王峰;尤红建;傅兴玉;;基于迭代高斯模型的干涉DEM滤波算法[J];遥感技术与应用;2013年02期

7 ;[J];;年期

中国重要会议论文全文数据库 前3条

1 芮挺;廖明;方虎生;朱经纬;;基于相关性与高斯模型的运动目标分割[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

2 王婷婷;宋恩彬;;低复杂度的渐近最优N-P检测[A];第25届中国控制与决策会议论文集[C];2013年

3 刘加珍;陈亚宁;陈永金;朱海勇;;基于高斯模型的植物种群的耐旱性分析——以塔里木河流域的荒漠河岸林植物为例[A];发挥资源科技优势 保障西部创新发展——中国自然资源学会2011年学术年会论文集（下册）[C];2011年

中国硕士学位论文全文数据库 前10条

1 程云;基于廉价传感器的城市大气颗粒污染物监测系统[D];哈尔滨工业大学;2015年

2 黄岩;基于夫琅禾费近似的多元高斯模型相控阵辐射声场计算[D];哈尔滨工业大学;2015年

3 郑晓利;基于编码模型的目标跟踪算法研究[D];西安电子科技大学;2014年

4 梁俊丽;数字化工厂预警系统设计与实现[D];山东理工大学;2015年

5 王井东;线性与核高斯模型及其混合模型的研究[D];清华大学;2004年

6 张楠;基于增广高斯模型的语音活动性检测算法研究[D];吉林大学;2005年

7 宋海礁;复杂情况下的运动目标检测[D];吉林大学;2012年

8 欧阳俊强;长春市环保局大气污染模拟系统的设计与实现[D];吉林大学;2013年

9 许丽华;人脸识别的贝叶斯统计方法[D];东北大学;2008年

10 鲁云涛;基于云计算平台的实时气象条件下有毒气体扩散模拟研究[D];华中科技大学;2012年

，

本文编号：763720