[發明專利]高光譜遙感數據植被信息提取方法

在審

• 申請號: 201510731510.0
• 申請日: 2015-11-02
• 公開（公告）號: CN105352895A
• 公開（公告）日: 2016-02-24
• 發明（設計）人: 孫向東;高昆;劉瑩;賓奇;鞏學美;韓璐;魏代永;陳智增
• 申請（專利權）人: 北京理工大學
• 主分類號: G01N21/25
• 分類號: G01N21/25
• 代理公司: 北京市天璽沐澤專利代理事務所(普通合伙) 11532
• 代理人: 鮑曉

1.一種高光譜遙感數據植被信息提取方法，其特征在于，包括：

在實驗研究區域同步或準同步地獲取高光譜遙感影像和待測植被生理生化參量的參考標準值；

對所述高光遙感譜影像進行降維預處理，得到植被冠層光譜反射率數據；

建立植被冠層光譜反射率數據與植被參量標準值之間的經驗數學模型，得到植被生理生化參量的高光譜遙感估算方法；

通過所述經驗數學模型，由從高光譜影像得到的植被冠層光譜反射率數據得到植被參量的估算值；利用樣本值對模型中的參數進行估算，最后檢驗模型的精度。

2.根據權利要求1所述高光譜遙感數據植被信息提取方法，其特征在于，

對所述高光遙感譜影像進行降維預處理進一步為：

對原高光譜影像X各個波段的數據進行標準化，得到標準化圖像矩陣X_c；

計算標準化矩陣X_c的協方差矩陣Σ_c；

求矩陣Σ_c的特征向量矩陣A_c，其中特征向量按照特征值遞減的規律從左向右排列；

利用求得的特征向量對圖像數據進行線性變換得到PCA變換結果，計算公式為：

Xpca=AcT·Xc]]>

矩陣X_pca中第一行數據表示原高光譜圖像的第一主成分，第二行數據表示原高光譜圖像的第二主成分，以此類推。

3.根據權利要求1所述高光譜遙感數據植被信息提取方法，其特征在于，

所述建立植被冠層光譜反射率數據與植被參量標準值之間的經驗數學模型進一步為：

建立光譜特征與植被參量之間的線性統計回歸模型：

y＝c₁x+c₂

利用樣本點的地面實測數據和高光譜遙感數據對模型中的參數進行估計，設觀測值為y_i，回歸值為最小誤差平方和準則表示為：

Q(c^1,c^2)=minc1,c2Σi=1n(yi-y^i)2,(y^i=c1xi+c2)]]>

令∂Q∂c1=0]]>和∂Q∂c2=0,]]>得到參數估算量為：

c1=Σi=1n(xi-x‾)(yi-y‾)Σi=1n(xi-x‾)2c2=y‾-c1x‾]]>

對模型的精度進行檢驗：在線性回歸模型中變量x與變量y之間有線性的關系，采用變量x與變量y之間的相關系數來檢驗回歸方程的顯著性，表達式如下：

r=Σi=1n(xi-x‾)(yi-y‾)Σi=1n(xi-x‾)2Σi=1n(yi-y‾)2]]>

相關系數r是表示變量x與變量y線性關系密切程度的量，其取值范圍為|r|≤1；當r＞0時，變量x與變量y呈正相關關系；當r＜0時，變量x與變量y呈負相關關系；且|r|越大表示線性相關性越強；

對于一般的回歸模型，由于隨機誤差或自變量x的變化，變量y的觀測值y_i不完全相同：

Σi=1n(yi-y‾)2=Σi=1n(yi-y^i)2+Σi=1n(y^i-y‾)2]]>

其中，ST=Σi=1n(yi-y‾)2]]>表示總變差平方和，Se=Σi=1n(yi-y^i)2]]>表示殘差平方和，表示隨機誤差對回歸精度的影響，其標準化的值為均方根誤差RMSE，計算公式為：RMSE=Σi=1n(y^i-yi)2n]]>

式中，為回歸平方和，反映由于自變量x引起的因變量y的分散程度；定義決定系數R²，計算公式為：

R2=SRSe=Σi=1n(y^i-y‾)2Σi=1n(yi-y^i)2]]>

決定系數R²的取值范圍為R²≤1。