基于最佳波段判别的湿地植物叶片全氮反演研究

利用高光谱遥感技术定量估测湿地植被叶片全氮含量，对于监测和诊断湿地植被的生理状况及生长趋势具有重要意义。但叶片氮素遥感诊断研究多存在反演模型过拟合、入选波段与生化参量间因果关系不明确和入选变量间"多重共线性"等局限。以芦苇（phragmitesaustralis）和香蒲（typhaangustifolia）叶片全氮含量作为研究对象，通过谱带分区，分区最佳波段选取和偏最小二乘回归相结合的方法构建芦苇和香蒲叶片全氮含量反演模型，并利用交叉验证决定系数（rcv2）和均方根误差（rmsecv）对模型精度进行检验，尝试克服传统反演方法中的不足。结果表明，不同湿地植物类型相比，利用芦苇反射光谱建立的预测模型精度都高于香蒲。不同回归模型相比，一阶导数光谱-偏最小二乘回归模型（fds-plsr）精度远高于原始光谱-偏最小二乘回归模型（os-plsr）。芦苇最佳模型交叉验证决定系数（rcv2）达到了0.84，方根误差（rmsecv）为0.10，香蒲最佳模型交叉验证的决定系数（rcv2）达到了0.66，方根误差（rmsecv）为0.13，是构建湿地植物芦苇和香蒲光谱与叶片全氮含量关系的最佳模型。在不降低湿地植物叶片氮含量反演精度的基础上，有效地避免了传统地物高光谱模型反演中的局限性，是无损害遥感探测方面的有益尝试。