研究目的
评估不同信息量带选择技术在偏最小二乘法(PLS)中的表现,以更好地从反射高光谱信息中估算多物种叶片叶绿素含量。
研究成果
逐步偏最小二乘法(stepwise-PLS)是估算叶片叶绿素含量的最优方法,该方法利用了近红外波段中的信息量丰富波段、一个蓝光波段及一个红光波段。当光谱分辨率低于20纳米时,偏最小二乘模型能以高精度估算叶绿素含量。该研究为选择偏最小二乘分析的信息量丰富光谱波段提供了重要依据,并为利用高光谱遥感数据反演叶片生化含量奠定了坚实基础。
研究不足
报告的信息条带不一致可能是由于它们仅针对一种或几种特定物种且样本量有限而进行了特定校准。PLS回归模型的性能在不同数据集中存在差异,这可能是由样本量和质量的不同所致。
1:实验设计与方法选择:
本研究评估了四种不同的波段消除/选择方法(UVE-PLS、逐步回归-PLS、BCS-PLS、遗传算法-PLS)用于PLS回归模型估算叶片叶绿素含量。
2:样本选择与数据来源:
使用包含来自四个独立数据集(Naeba、Nakagawane、LOPEX、ANGERS)的598个叶片样本的复合数据集。
3:实验设备与材料清单:
ASD野外光谱辐射仪用于光谱反射率测量,紫外-可见分光光度计用于叶绿素和类胡萝卜素分析。
4:实验流程与操作步骤:
在枝条从树上摘取后三天内完成光谱反射率测量和生化参数分析。
5:数据分析方法:
采用校正的赤池信息准则(AICc)、归一化均方根误差(NRMSE)和决定系数(R2)进行模型评估。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容