●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 研究區概況與數據采集 11
2.1 研究區概況 11
2.1.1 地理位置 11
2.1.2 氣候特征 11
2.1.3 濕地植物資源 12
2.2 數據采集與測定 12
2.2.1 群落調查 12
2.2.2 光譜采集與處理 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 特征波段選擇 27
3.3.2 特征提取 33
第4章 典型植物種反射光譜特征分析 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 優選似然分類法 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 光譜變量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 干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 干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 小波繫數與理化參數的相關性 96
6.5.1 小波繫數與鮮生物量的相關性 96
6.5.2 小波繫數與干生物量的相關性 98
6.5.3 小波繫數與含水率的相關性 100
6.5.4 小波繫數與相對葉綠素指數的相關性 102
6.5.5 小波繫數與磷的相關性 104
6.5.6 小波繫數與氮的相關性 106
6.5.7 小波繫數與鉀的相關性 108
6.5.8 小波繫數與鈉的相關性 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和干生物量的相關性 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 單變量回歸模型 127
7.1.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 單變量回歸模型 153
7.2.2 多變量回歸模型 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