基于变换域的植被高光谱遥感综合反演研究
发布时间：2021-10-09 21:50
叶面积指数（LAI）是植被的重要结构参数之一，高光谱遥感使得大面积估测LAI成为可能。但是，高光谱数据波段多、波段间的强相关性等特点带来的数据冗余，不仅消耗反演时间，也大大降低了数据利用效率。本文基于PROSAIL物理辐射传输模型与神经网络相结合的综合反演方法，从变换域的角度出发，应用主成分变换和偏最小二乘变换方法对高光谱遥感数据进行降维，然后，利用特征信息反演LAI，与高光谱全波段数据、特征波段数据反演作对比，并综合分析植被高光谱遥感反演的影响因素。主要研究内容和结论如下：（1）训练数据的空间维数会影响LAI的反演结果。本文提出对原始数据进行主成分变换和偏最小二乘变换，利用变换得到的特征信息反演LAI，与全波段数据、特征波段数据反演结果做比较，分析得出：PCA变换和PLS变换可以实现数据降维，变换后的反演精度高于全波段反演和特征波段反演，降低了反演误差方程的相关性，提高了反演算法的收敛性和有效性；土壤未知时，基于变换域的反演，可以改善基于特征波段反演中实测LAI<0.5时反演LAI出现负值的现象，提高反演质量。偏最小二乘回归分析在提取能代替自变量和因变量的主要信息时，同时考虑自...
【文章来源】：江苏师范大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
目录
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究内容和方法
1.4 技术路线图
2 实验区数据预处理
2.1 实验区数据
2.2 CHRIS 数据简介
2.2.1 CHRIS 数据特性
2.2.2 CHRIS 数据产品
2.3 CHRIS 数据预处理
2.3.1 噪声去除
2.3.2 大气校正
2.3.3 几何校正
2.4 本章小结
3 模型简介和反演策略
3.1 PROSAIL 模型
3.2 BP 神经网络模型结构
3.3 基于 PROSAIL 模型的模拟数据
3.4 反演策略
3.4.1 反演策略
3.4.2 精度评价指标
3.5 本章小结
4 主成分变换与神经网络相结合的反演
4.1 主成分分析原理
4.2 基于主成分变换的反演算法及结果分析
4.2.1 土壤未知
4.2.2 土壤已知
4.3 噪声对反演 LAI 的影响
4.4 本章小结
5 偏最小二乘变换与神经网络相结合的反演
5.1 偏最小二乘回归分析原理
5.2 基于偏最小二乘变换的反演算法及结果分析
5.2.1 土壤未知
5.2.2 土壤已知
5.3 训练数据空间维数对反演 LAI 的影响
5.4 抗噪能力分析
5.5 本章小结
6 结论和展望
6.1 结论
6.2 展望
参考文献
作者简介
一、基本情况
二、学术论文
三、获奖情况
四、研究项目
学位论文数据集
【参考文献】：
期刊论文
[1]基于PCA和多尺度纹理特征提取的高分辨率遥感影像分类[J]. 刘友山,吕成文,祝凤霞,高超. 遥感技术与应用. 2012(05)
[2]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文)[J]. 黄文倩,李江波,张驰,张保华,张百海. 农业工程学报. 2012(S2)
[3]主成分分析法及其应用[J]. 苏键,陈军,何洁. 轻工科技. 2012(09)
[4]基于可见-近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究[J]. 李硕,汪善勤,张美琴. 光学学报. 2012(08)
[5]基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演[J]. 杨贵军,赵春江,邢著荣,黄文江,王纪华. 农业工程学报. 2011(10)
[6]植物叶片生化组分遥感反演的波段选择[J]. 马维维,张连蓬,马向华,陈士城,郭洋洋. 测绘科学技术学报. 2011(03)
[7]多角度高光谱CHRIS/Proba植被模式数据大气校正[J]. 王明常,王亚楠,陈圣波,路鹏,陶玉龙,徐连举. 吉林大学学报(地球科学版). 2011(02)
[8]基于物理模型训练神经网络的作物叶面积指数遥感反演研究[J]. 刘洋,刘荣高,刘斯亮,刘纪远,陈仲新,王利民,邹金秋. 地球信息科学学报. 2010(03)
[9]东北主要绿化树种叶面积指数（LAI）高光谱估算模型研究[J]. 汤旭光,刘殿伟,宋开山,张柏,姜广甲,杨飞,徐京萍. 遥感技术与应用. 2010(03)
[10]基于偏最小二乘回归的投影寻踪耦合模型在土地利用预测中的应用[J]. 李逸川,王海涛,田淑芳. 中国土地科学. 2010(05)
博士论文
[1]植被生化组分高光谱遥感定量反演研究[D]. 沈艳.南京信息工程大学 2006
[2]遥感提取植被生化组分信息方法与模型研究[D]. 颜春燕.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于高光谱遥感的植被生化参量反演及真实性检验研究[D]. 姜海玲.东北师范大学 2011
[2]多角度高光谱CHRIS数据森林叶面积指数反演研究[D]. 曹斌.中国林业科学研究院 2010
本文编号：3427063
【文章来源】：江苏师范大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
目录
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究内容和方法
1.4 技术路线图
2 实验区数据预处理
2.1 实验区数据
2.2 CHRIS 数据简介
2.2.1 CHRIS 数据特性
2.2.2 CHRIS 数据产品
2.3 CHRIS 数据预处理
2.3.1 噪声去除
2.3.2 大气校正
2.3.3 几何校正
2.4 本章小结
3 模型简介和反演策略
3.1 PROSAIL 模型
3.2 BP 神经网络模型结构
3.3 基于 PROSAIL 模型的模拟数据
3.4 反演策略
3.4.1 反演策略
3.4.2 精度评价指标
3.5 本章小结
4 主成分变换与神经网络相结合的反演
4.1 主成分分析原理
4.2 基于主成分变换的反演算法及结果分析
4.2.1 土壤未知
4.2.2 土壤已知
4.3 噪声对反演 LAI 的影响
4.4 本章小结
5 偏最小二乘变换与神经网络相结合的反演
5.1 偏最小二乘回归分析原理
5.2 基于偏最小二乘变换的反演算法及结果分析
5.2.1 土壤未知
5.2.2 土壤已知
5.3 训练数据空间维数对反演 LAI 的影响
5.4 抗噪能力分析
5.5 本章小结
6 结论和展望
6.1 结论
6.2 展望
参考文献
作者简介
一、基本情况
二、学术论文
三、获奖情况
四、研究项目
学位论文数据集
【参考文献】：
期刊论文
[1]基于PCA和多尺度纹理特征提取的高分辨率遥感影像分类[J]. 刘友山,吕成文,祝凤霞,高超. 遥感技术与应用. 2012(05)
[2]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文)[J]. 黄文倩,李江波,张驰,张保华,张百海. 农业工程学报. 2012(S2)
[3]主成分分析法及其应用[J]. 苏键,陈军,何洁. 轻工科技. 2012(09)
[4]基于可见-近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究[J]. 李硕,汪善勤,张美琴. 光学学报. 2012(08)
[5]基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演[J]. 杨贵军,赵春江,邢著荣,黄文江,王纪华. 农业工程学报. 2011(10)
[6]植物叶片生化组分遥感反演的波段选择[J]. 马维维,张连蓬,马向华,陈士城,郭洋洋. 测绘科学技术学报. 2011(03)
[7]多角度高光谱CHRIS/Proba植被模式数据大气校正[J]. 王明常,王亚楠,陈圣波,路鹏,陶玉龙,徐连举. 吉林大学学报(地球科学版). 2011(02)
[8]基于物理模型训练神经网络的作物叶面积指数遥感反演研究[J]. 刘洋,刘荣高,刘斯亮,刘纪远,陈仲新,王利民,邹金秋. 地球信息科学学报. 2010(03)
[9]东北主要绿化树种叶面积指数（LAI）高光谱估算模型研究[J]. 汤旭光,刘殿伟,宋开山,张柏,姜广甲,杨飞,徐京萍. 遥感技术与应用. 2010(03)
[10]基于偏最小二乘回归的投影寻踪耦合模型在土地利用预测中的应用[J]. 李逸川,王海涛,田淑芳. 中国土地科学. 2010(05)
博士论文
[1]植被生化组分高光谱遥感定量反演研究[D]. 沈艳.南京信息工程大学 2006
[2]遥感提取植被生化组分信息方法与模型研究[D]. 颜春燕.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于高光谱遥感的植被生化参量反演及真实性检验研究[D]. 姜海玲.东北师范大学 2011
[2]多角度高光谱CHRIS数据森林叶面积指数反演研究[D]. 曹斌.中国林业科学研究院 2010
本文编号：3427063
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3427063.html
