水稻高光谱遥感PLS波长选择与氮含量反演研究

"基于水稻高光谱遥感的PLS波长选择研究，旨在优化水稻叶面氮含量和叶绿素含量的遥感监测。" 本文深入探讨了利用高光谱遥感技术对水稻生长状况进行监测的方法，特别是针对水稻叶面的氮含量和叶绿素含量的评估。作者龚威、宋沙磊和李平湘借助偏最小二乘（Partial Least Squares, PLS）分析手段，进行了波长选择的研究，以提高反演精度并减少数据冗余。 文章指出，高光谱遥感技术在获取植被生物化学成分信息方面具有高度准确性，对农业生产的监测起到关键作用。然而，高光谱数据通常存在波段间的强相关性，导致数据冗余。因此，研究者需要从众多波段中挑选出最具代表性的波长，以构建更精确的模型来关联高光谱遥感数据与农作物的生理指标。 在具体研究中，研究团队对武汉地区的不同生长阶段的水稻进行了遥感监测。他们采用了多种波长组合，通过PLS模型进行反演分析，最终确定552nm，675nm，752nm，776nm这4个波长组成的组合对于叶面氮含量的反演效果最佳。同时，通过光谱能量空间变换，进一步优化了波长选择的反演效果。 此外，尽管PLS方法在提取植被属性方面已被证实非常有效，但大多数研究直接使用PLS对全部高光谱数据进行反演，而忽略了波段选择的重要性。该研究不仅强调了波长选择在提高反演效率和降低计算复杂性上的作用，还为高光谱遥感在农作物监测中的应用提供了新的思路和方法。 关键词：高光谱遥感，波长选择，偏最小二乘，水稻，叶面氮含量，叶绿素含量，数据冗余，光谱能量空间变换。 本研究得到了多个国家级科研项目的资助，包括国家重点基础研究发展计划（973项目），国家863项目，国家自然科学基金等，这体现了该项目在科研领域的显著地位和价值。研究团队隶属于武汉大学测绘遥感信息工程国家重点实验室，他们的工作为高光谱遥感技术在农业领域的应用奠定了坚实基础。