葉面積指數(shù)（LAI）是植被的重要結(jié)構(gòu)參數(shù)之一，高光譜遙感使得大面積估測LAI成為可能。但是，高光譜數(shù)據(jù)波段多、波段間的強(qiáng)相關(guān)性等特點(diǎn)帶來的數(shù)據(jù)冗余，不僅消耗反演時(shí)間，也大大降低了數(shù)據(jù)利用效率。本文基于PROSAIL物理輻射傳輸模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合的綜合反演方法，從變換域的角度出發(fā)，應(yīng)用主成分變換和偏最小二乘變換方法對高光譜遙感數(shù)據(jù)進(jìn)行降維，然后，利用特征信息反演LAI，與高光譜全波段數(shù)據(jù)、特征波段數(shù)據(jù)反演作對比，并綜合分析植被高光譜遙感反演的影響因素。主要研究內(nèi)容和結(jié)論如下：（1）訓(xùn)練數(shù)據(jù)的空間維數(shù)會(huì)影響LAI的反演結(jié)果。本文提出對原始數(shù)據(jù)進(jìn)行主成分變換和偏最小二乘變換，利用變換得到的特征信息反演LAI，與全波段數(shù)據(jù)、特征波段數(shù)據(jù)反演結(jié)果做比較，分析得出：PCA變換和PLS變換可以實(shí)現(xiàn)數(shù)據(jù)降維，變換后的反演精度高于全波段反演和特征波段反演，降低了反演誤差方程的相關(guān)性，提高了反演算法的收斂性和有效性；土壤未知時(shí)，基于變換域的反演，可以改善基于特征波段反演中實(shí)測LAI<0.5時(shí)反演LAI出現(xiàn)負(fù)值的現(xiàn)象，提高反演質(zhì)量。偏最小二乘回歸分析在提取能代替自變量和因變量的主要信息時(shí)，同時(shí)考慮自... 

【文章來源】：江蘇師范大學(xué)江蘇省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
目錄
1 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容和方法
    1.4 技術(shù)路線圖
2 實(shí)驗(yàn)區(qū)數(shù)據(jù)預(yù)處理
    2.1 實(shí)驗(yàn)區(qū)數(shù)據(jù)
    2.2 CHRIS 數(shù)據(jù)簡介
        2.2.1 CHRIS 數(shù)據(jù)特性
        2.2.2 CHRIS 數(shù)據(jù)產(chǎn)品
    2.3 CHRIS 數(shù)據(jù)預(yù)處理
        2.3.1 噪聲去除
        2.3.2 大氣校正
        2.3.3 幾何校正
    2.4 本章小結(jié)
3 模型簡介和反演策略
    3.1 PROSAIL 模型
    3.2 BP 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
    3.3 基于 PROSAIL 模型的模擬數(shù)據(jù)
    3.4 反演策略
        3.4.1 反演策略
        3.4.2 精度評價(jià)指標(biāo)
    3.5 本章小結(jié)
4 主成分變換與神經(jīng)網(wǎng)絡(luò)相結(jié)合的反演
    4.1 主成分分析原理
    4.2 基于主成分變換的反演算法及結(jié)果分析
        4.2.1 土壤未知
        4.2.2 土壤已知
    4.3 噪聲對反演 LAI 的影響
    4.4 本章小結(jié)
5 偏最小二乘變換與神經(jīng)網(wǎng)絡(luò)相結(jié)合的反演
    5.1 偏最小二乘回歸分析原理
    5.2 基于偏最小二乘變換的反演算法及結(jié)果分析
        5.2.1 土壤未知
        5.2.2 土壤已知
    5.3 訓(xùn)練數(shù)據(jù)空間維數(shù)對反演 LAI 的影響
    5.4 抗噪能力分析
    5.5 本章小結(jié)
6 結(jié)論和展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
作者簡介
    一、基本情況
    二、學(xué)術(shù)論文
    三、獲獎(jiǎng)情況
    四、研究項(xiàng)目
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于PCA和多尺度紋理特征提取的高分辨率遙感影像分類[J]. 劉友山,呂成文,祝鳳霞,高超.  遙感技術(shù)與應(yīng)用. 2012(05)
[2]高光譜成像技術(shù)和主成分分析識別玉米籽粒的胚(英文)[J]. 黃文倩,李江波,張馳,張保華,張百海.  農(nóng)業(yè)工程學(xué)報(bào). 2012(S2)
[3]主成分分析法及其應(yīng)用[J]. 蘇鍵,陳軍,何潔.  輕工科技. 2012(09)
[4]基于可見-近紅外光譜比較主成分回歸、偏最小二乘回歸和反向傳播神經(jīng)網(wǎng)絡(luò)對土壤氮的預(yù)測研究[J]. 李碩,汪善勤,張美琴.  光學(xué)學(xué)報(bào). 2012(08)
[5]基于PROBA/CHRIS遙感數(shù)據(jù)和PROSAIL模型的春小麥LAI反演[J]. 楊貴軍,趙春江,邢著榮,黃文江,王紀(jì)華.  農(nóng)業(yè)工程學(xué)報(bào). 2011(10)
[6]植物葉片生化組分遙感反演的波段選擇[J]. 馬維維,張連蓬,馬向華,陳士城,郭洋洋.  測繪科學(xué)技術(shù)學(xué)報(bào). 2011(03)
[7]多角度高光譜CHRIS/Proba植被模式數(shù)據(jù)大氣校正[J]. 王明常,王亞楠,陳圣波,路鵬,陶玉龍,徐連舉.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2011(02)
[8]基于物理模型訓(xùn)練神經(jīng)網(wǎng)絡(luò)的作物葉面積指數(shù)遙感反演研究[J]. 劉洋,劉榮高,劉斯亮,劉紀(jì)遠(yuǎn),陳仲新,王利民,鄒金秋.  地球信息科學(xué)學(xué)報(bào). 2010(03)
[9]東北主要綠化樹種葉面積指數(shù)（LAI）高光譜估算模型研究[J]. 湯旭光,劉殿偉,宋開山,張柏,姜廣甲,楊飛,徐京萍.  遙感技術(shù)與應(yīng)用. 2010(03)
[10]基于偏最小二乘回歸的投影尋蹤耦合模型在土地利用預(yù)測中的應(yīng)用[J]. 李逸川,王海濤,田淑芳.  中國土地科學(xué). 2010(05)

博士論文
[1]植被生化組分高光譜遙感定量反演研究[D]. 沈艷.南京信息工程大學(xué) 2006
[2]遙感提取植被生化組分信息方法與模型研究[D]. 顏春燕.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2003

碩士論文
[1]基于高光譜遙感的植被生化參量反演及真實(shí)性檢驗(yàn)研究[D]. 姜海玲.東北師范大學(xué) 2011
[2]多角度高光譜CHRIS數(shù)據(jù)森林葉面積指數(shù)反演研究[D]. 曹斌.中國林業(yè)科學(xué)研究院 2010



本文編號：3427063