《高原濕地植物高光譜遙感反演研究》是2021年1月科學出版社出版的圖書，作者是張超等。本書簡述了當前國內外濕地植物遙感反演方面的學術研究進展。
基本介紹
- 中文名：高原濕地植物高光譜遙感反演研究
- 作者：張超等
- 出版社：科學出版社
- ISBN：9787030621498
內容簡介,圖書目錄,
內容簡介
《高原濕地植物高光譜遙感反演研究》簡述了當前國內外濕地植物遙感反演方面的學術研究進展，以滇西北納帕海和劍湖高原濕地為研究區，選取分布面積較大的典型高原濕地植物為研究對象，結合野外群落調查和光譜測定，以高光譜遙感影像（Hyperion數據和HJ-1A HSI數據）為主要數據源，分別從典型濕地植物的高光譜遙感分類技術和理化參數高光譜估算模型研建兩方面開展研究，旨在為今後基於遙感手段的高原濕地植物的監測、時空動態變化研究提供方法支持和參數借鑑。
圖書目錄
第1章 緒論 1
1.1 研究背景 1
1.2 國內外研究進展 2
1.2.1 濕地植物類型的遙感分類技術 3
1.2.2 植物物理參數的高光譜反演技術 4
1.2.3 植物化學參數的高光譜反演技術 6
1.3 主要研究內容 7
1.4 技術路線 9
第2章 研究區概況與數據採集 11
2.1 研究區概況 11
2.1.1 地理位置 11
2.1.2 氣候特徵 11
2.1.3 濕地植物資源 12
2.2 數據採集與測定 12
2.2.1 群落調查 12
2.2.2 光譜採集與處理 15
2.2.3 理化參數測定 16
2.2.4 遙感影像獲取 17
第3章 高光譜遙感影像融合與降維處理 20
3.1 高光譜遙感影像預處理 20
3.1.1 Hyperion數據預處理 20
3.1.2 HSI數據預處理 24
3.2 高光譜遙感影像融合處理 24
3.3 高光譜遙感影像降維處理 26
3.3.1 特徵波段選擇 27
3.3.2 特徵提取 33
第4章 典型植物種反射光譜特徵分析 37
4.1 原始光譜反射率分析 40
4.2 原始光譜反射率一階微分分析 42
4.3 包絡線去除分析 43
4.4 連續小波變換分析 45
4.5 波段間自相關分析 49
4.6 窄波段NDVI分析 50
第5章 典型植物種的高光譜遙感分類 53
5.1 **似然分類法 53
5.2 支持向量機分類法 57
5.3 波譜角填圖分類法 59
5.4 精度評價與結果優選 61
5.4.1 精度評價方法 61
5.4.2 精度評價與對比分析 62
第6章 光譜變數與理化參數相關分析 67
6.1 理化參數統計分析 67
6.2 原始光譜反射率與理化參數的相關性 70
6.2.1 鮮生物量與原始光譜反射率的相關性 70
6.2.2 乾生物量與原始光譜反射率的相關性 71
6.2.3 含水率與原始光譜反射率的相關性 72
6.2.4 相對葉綠素含量與原始光譜反射率的相關性 74
6.2.5 磷與原始光譜反射率的相關性 75
6.2.6 氮與原始光譜反射率的相關性 76
6.2.7 鉀與原始光譜反射率的相關性 77
6.2.8 鈉與原始光譜反射率的相關性 79
6.3 原始光譜反射率一階微分與理化參數的相關性 80
6.3.1 鮮生物量與原始光譜反射率一階微分的相關性 80
6.3.2 乾生物量與原始光譜反射率一階微分的相關性 82
6.3.3 含水率與原始光譜反射率一階微分的相關性 83
6.3.4 相對葉綠素指數與原始光譜反射率一階微分的相關性 85
6.3.5 磷與原始光譜反射率一階微分的相關性 86
6.3.6 氮與原始光譜反射率一階微分的相關性 88
6.3.7 鉀與原始光譜反射率一階微分的相關性 90
6.3.8 鈉與原始光譜反射率一階微分的相關性 91
6.4 “三邊”參數與理化參數的相關性 93
6.5 小波係數與理化參數的相關性 96
6.5.1 小波係數與鮮生物量的相關性 96
6.5.2 小波係數與乾生物量的相關性 98
6.5.3 小波係數與含水率的相關性 100
6.5.4 小波係數與相對葉綠素指數的相關性 102
6.5.5 小波係數與磷的相關性 104
6.5.6 小波係數與氮的相關性 106
6.5.7 小波係數與鉀的相關性 108
6.5.8 小波係數與鈉的相關性 110
6.6 窄波段NDVI和理化參數的相關性 112
6.6.1 窄波段NDVI和鮮生物量的相關性 112
6.6.2 窄波段NDVI和乾生物量的相關性 114
6.6.3 窄波段NDVI和含水率的相關性 115
6.6.4 窄波段NDVI和相對葉綠素指數的相關性 117
6.6.5 窄波段NDVI和磷的相關性 118
6.6.6 窄波段NDVI和氮的相關性 119
6.6.7 窄波段NDVI和鉀的相關性 121
6.6.8 窄波段NDVI和鈉的相關性 122
6.7 理化參數間的相關性 123
第7章 典型植物種理化參數估算建模 127
7.1 基於實測光譜的理化參數估算模型 127
7.1.1 單變數回歸模型 127
7.1.2 多元逐步回歸模型 132
7.1.3 主成分回歸模型 139
7.2 基於高光譜遙感的理化參數估算模型 150
7.2.1 單變數回歸模型 153
7.2.2 多變數回歸模型 155
7.2.3 偏最小二乘回歸模型 155
7.3 模型評價與優選 161
第8章 結論與討論 165
8.1 主要研究結論 165
8.2 討論 166
參考文獻 168
附圖 173
