基于优化植被指数的芦苇地上生物量高光谱估算  

作　　者：张晓彤 王昭伟 刘玮佳 尹轩 杨睿 何建男 孙冉冉 胡小辉 王紫威 吴风华 刘明月 

机构地区：[1]华北理工大学矿业工程学院,河北唐山063210 [2]内蒙古自治区环境监测总站赤峰分站,内蒙古赤峰024000 [3]唐山市资源与环境遥感重点实验室,河北唐山063210 [4]河北省矿区生态修复产业技术研究院,河北唐山063210 [5]矿产资源绿色开发与生态修复协同创新中心,河北唐山063210

出　　处：《赤峰学院学报(自然科学版)》2025年第1期79-85,共7页Journal of Chifeng University(Natural Science Edition)

基　　金：中央引导地方科技发展资金项目(236Z3305G);河北省高等学校科学技术研究项目青年拔尖人才项目(BJ2020058);唐山市科技计划重点研发项目(22150221J)。

摘　　要：基于93个湿地芦苇地上生物量(AGB)实测样本数据和原始光谱(R)反射率及其数学变换,包括一阶微分(R′)、二阶微分(R")、倒数(1/R)和积分(∫R),采用竞争性自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS),进行敏感波段筛选后,采用逐波段组合法(Band Combination Index,BCI)构建19种不同组合形式的双波段和三波段优化植被指数,使用极端梯度提升(eXtreme Gradient Boosting,XGBoost),提升回归树(Boosted Regression Tree,BRT)和随机森林(Random Forest,RF)三种算法,基于优化植被指数分别建立芦苇AGB的预测模型。结果表明:芦苇AGB与微分变换后的优化植被指数之间的相关性均有所提升,其中经R"变换的相关系数最大为0.56;XGBoost、BRT和RF基于微分变换构建的AGB模型R2均大于0.5,均可用于湿地芦苇AGB的估算;经过R"变换后,RF模型为最优模型,R2为0.65,RMSE为0.234kg/m2,是预测芦苇AGB的最优模型,可为准确获取湿地芦苇AGB提供可靠方法。

关 键 词：光谱变换 芦苇AGB 机器学习 逐波段组合法 优化植被指数 

分 类 号：TP79[自动化与计算机技术—检测技术与自动化装置]