文献类型：期刊文献

中文题名：基于NDVI与偏最小二乘回归的荒漠化地区植被覆盖度高光谱遥感估测

英文题名：Estimation of Vegetation Cover in Desertified Regions from Hyperion Imageries Using NDVI and Partial Least Squares Regression

作者：李晓松[1,2] 李增元[1] 高志海[1] 白黎娜[1,1] 王琫瑜[1]

第一作者：李晓松

机构：[1]中国林业科学研究院资源信息研究所;[2]中国科学院遥感应用研究所

年份：2011

卷号：31

期号：1

起止页码：162-167

中文期刊名：中国沙漠

外文期刊名：Journal of Desert Research

收录：CSTPCD;;北大核心:【北大核心2008】；CSCD:【CSCD2011_2012】；

基金：国家高技术发展计划项目(2006AA12Z108);国家科技支撑计划项目(2006BAD26B0103)资助

语种：中文

中文关键词：Hyperion;NDVI;偏最小二乘回归;植被覆盖度;一阶导数;包络线去除

外文关键词：Hyperion; NDVI; partial least squares regression; vegetation cover; first derivative; continuum-removed

分类号：X87

摘要：以星载高光谱影像Hyperion为数据源,系统比较了NDVI与偏最小二乘回归(PLS)估测荒漠化地区植被覆盖度的能力,模型的建立(n=46)与独立检验所用样本(n=10)均为地面实测数据。研究结果表明,基于星载高光谱数据的NDVI与PLS模型可以有效地估测荒漠化地区植被覆盖度。相比于宽波段NDVI(RMSEP=10.5618)及基于803.3/671.02 nm计算的标准高光谱NDVI(RMSEP=8.3863),选择特定高光谱波段(823.65/701.55 nm)构建的NDVI预测植被覆盖度的误差明显较低(RMSEP=6.5189)。基于高光谱所有波段原始反射率、一阶导数及包络线去除光谱的PLS回归模型表现,要明显优于仅利用两个波段信息的NDVI,其中基于原始反射率的PLS回归模型表现最佳,RMSEP为4.4998,约为因变量平均值的23%。
Based on Hyperion data,NDVI and partial least squares regression（PLS） are used to estimate the vegetation cover in desertified region.The predictive accuracy of NDVI and PLS regression models are then determined and compared using calibration（n=46） and test（n=10） data.The results show that both NDVI and PLS regression models can estimate vegetation cover effectively.Compared with broadband NDVI（RMSEP=10.5618） and standard hyperspectral NDVI involving bands at 803.3 nm and 671.02 nm（RMSEP=8.3863）,the NDVI computed from bands at 823.65 nm and 701.55 nm has a lower standard error of prediction（RMSEP=6.5189）.PLS regression models based on original,derivative and continuum-removed spectra,which utilize all bands of Hyperion data,produce lower prediction errors（RMSEP is between 4.4998~5.1449） than NDVIs,which justly use two bands of Hyperion data.The lowest prediction error（RMSEP=4.4998,23% of mean） is obtained by PLS regression analysis involving original reflectance.