[发明专利]高光谱遥感数据植被信息提取方法

权利要求书

1.一种高光谱遥感数据植被信息提取方法，其特征在于，包括：

在实验研究区域同步或准同步地获取高光谱遥感影像和待测植被生理生化参量的参考标准值；

对所述高光遥感谱影像进行降维预处理，得到植被冠层光谱反射率数据；

建立植被冠层光谱反射率数据与植被参量标准值之间的经验数学模型，得到植被生理生化参量的高光谱遥感估算方法；

通过所述经验数学模型，由从高光谱影像得到的植被冠层光谱反射率数据得到植被参量的估算值；利用样本值对模型中的参数进行估算，最后检验模型的精度。

2.根据权利要求1所述高光谱遥感数据植被信息提取方法，其特征在于，

对所述高光遥感谱影像进行降维预处理进一步为：

对原高光谱影像X各个波段的数据进行标准化，得到标准化图像矩阵X_c；

计算标准化矩阵X_c的协方差矩阵Σ_c；

求矩阵Σ_c的特征向量矩阵A_c，其中特征向量按照特征值递减的规律从左向右排列；

利用求得的特征向量对图像数据进行线性变换得到PCA变换结果，计算公式为：

Xpca=AcT·Xc]]>

矩阵X_pca中第一行数据表示原高光谱图像的第一主成分，第二行数据表示原高光谱图像的第二主成分，以此类推。

3.根据权利要求1所述高光谱遥感数据植被信息提取方法，其特征在于，

所述建立植被冠层光谱反射率数据与植被参量标准值之间的经验数学模型进一步为：

建立光谱特征与植被参量之间的线性统计回归模型：

y＝c₁x+c₂

利用样本点的地面实测数据和高光谱遥感数据对模型中的参数进行估计，设观测值为y_i，回归值为最小误差平方和准则表示为：

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

令∂Q∂c1=0]]>和∂Q∂c2=0,]]>得到参数估算量为：

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

对模型的精度进行检验：在线性回归模型中变量x与变量y之间有线性的关系，采用变量x与变量y之间的相关系数来检验回归方程的显著性，表达式如下：

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

相关系数r是表示变量x与变量y线性关系密切程度的量，其取值范围为|r|≤1；当r＞0时，变量x与变量y呈正相关关系；当r＜0时，变量x与变量y呈负相关关系；且|r|越大表示线性相关性越强；

对于一般的回归模型，由于随机误差或自变量x的变化，变量y的观测值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]]>表示总变差平方和，Se=Σi=1n(yi-y^i)2]]>表示残差平方和，表示随机误差对回归精度的影响，其标准化的值为均方根误差RMSE，计算公式为：RMSE=Σi=1n(y^i-yi)2n]]>

式中，为回归平方和，反映由于自变量x引起的因变量y的分散程度；定义决定系数R²，计算公式为：

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

决定系数R²的取值范围为R²≤1。