论文部分内容阅读
作为快速无损的植物色素估测方法,高光谱植被指数对研究植被生长状态具有重要意义。类萝卜素作为植物色素中的第二大类主要色素,其浓度能提供很多关于植被生理状态的信息。目前有关类胡萝卜素的植被指数大部分是基于叶片的近轴面光谱反射率开发的,开发时很少考虑到叶片的远轴面光谱反射率,而传感器在异面叶光谱数据实际获取中,由于冠层结构和叶片倾斜翻转等影响,光谱数据中会同时包含来自叶片近轴面和远轴面的光谱信息。近轴面与远轴面由于叶片结构不同引起的内部散射和表面反射的不同,进而在估测时影响精度。因此,我们有必要基于叶片两面的光谱信息创建新的植被指数,来实现类胡萝卜素含量的估算。本文基于几种常见模型SD.SR.ND以及MDATT的植被指数形式,将植物叶片反射率遍历创建新的指数模型,与实测结果建立线性模型。研究发现在估算异面叶植物叶片类胡萝卜素含量时新开发的四种模型精度均高于已有模型,其中MDATT表现最好,为最优模型。沙枣的最优模型为：(R720-R520)/(R720-R730),与实测值之间的可决系数R2=0.91,RMSE=0.14;银白杨的最优模型为：(R720-R710)/(R720-R960),与实测值之间的可决系数R2=0.75,RMSE=0.12:垂榆的最优模型为：(R730-Rsoo)/(R730-R760),与实测值之间的可决系数R2=0.84,RMSE=0.28:丁香的最优模型为：(R740-R400)/(R740-R750),与实测值之间的可决系数R2=0.80,RMSE=0.23;五叶地锦的最优模型为：(R720-R510)/(R720-R590),与实测值之间的可决系数R2=0.81, RMSE=0.38;葡萄的最优模型为：(R710-R670)/(R710-R410),与实测值之间的可决系数R2=0.66,RMSE=0.08;火炬的最优模型为：(R1000-R640)/(R1000-R500),与实测值之间的可决系数R2=0.94,RMSE=0.05.所有植物叶片样本近、远轴面混合数据的最优模型为：(R760-R640)/(R760-R480)与实测值之间的可决系数R2=0.52,RMSE=0.37。估算精度明显下降,我们认为MDATT模型在去除植物叶片近、远轴面结构差异时表现较好,在去除物种之间的结构差异时有一定局限性。