matlab利用PLSR和支持向量迴歸分析紅樹林葉面化學的高光譜分析

原文連接：http://tecdat.cn/?p=5648

高光譜遙感可以實現冠層生化特性的大規模繪圖。本研究探討了從印度尼西亞Berau三角洲的紅樹林中回收氮，磷，鉀，鈣，鎂和鈉濃度的可能性。

該研究的目的是（1）評估葉面化學檢索的準確性，（2）比較基於支持向量迴歸（SVR）的模型的性能，即ε-SVR，ν-SVR和最小二乘SVR（LS） -SVR），基於偏最小二乘迴歸（PLSR）的模型，以及（3）研究哪一種光譜變換最適合。

 簡介

紅樹林生長在熱帶和亞熱帶的潮間帶沿海棲息地。它們是地球上受威脅最嚴重的脆弱生態系統之一，並受到人類活動的持續壓力 。 

 材料和方法

研究區位於印度尼西亞東加里曼丹省的Berau三角洲 。

研究區域的位置（數據來源：Bakosurtanal，印度尼西亞，2000年）。

​

 葉子樣品的集合

 樣本沿垂直於海岸線的橫斷面收集。目的是捕捉研究區紅樹林類型和生長條件的變化，反映葉片生化指標的變化。距海岸線最大長度400米被認爲足以捕獲葉面生化變異。總共有77個葉樣品沿着橫斷面收集，距離大約爲50米的分離點 。 

研究區域中的樣本位置。

​

在每一個樣本點，選擇主導屬的表明樹，而且其位置用GPS登記。從樹冠上部切下一對樹枝，從這些樹枝上收集10片成熟的未受損葉子並儲存在信封中。紅樹葉的生化成分隨葉齡而變化，特別是在衰老過程當中。

光譜變換

衆所周知的是適當的光譜轉化技術能夠去除噪聲和提升生物化學吸取特徵，從而提升了迴歸模型的精確度 。除了使用未轉換的反射率以外，還應用了四種光譜轉換方法並在分析中進行了比較。

​

偏最小二乘迴歸

PLSR使用份量投影將整個頻譜減小到包含最有用信息的較少數量的非相關份量（也稱爲_潛在變量_）。在很大程度上，在凝聚的組分中消除了原始光譜中的噪聲和共線性。MATLAB v.R2010a（MathWorks）中的PLSREGRESS工具用於迴歸建模，並​​經過五重交叉驗證優化組件數量。

[XL,yl,XS,YS,beta,PCTVAR] = plsregress(X,y,10);
 

plot(1:10,cumsum(100*PCTVAR(2,:)),'-bo');
xlabel('Number of PLS components');
ylabel('Percent Variance Explained in y');

yfit = [ones(size(X,1),1) X]*beta;
residuals = y - yfit;
stem(residuals)
xlabel('Observation');
ylabel('Residual');

光譜波長的相對重要性

基於CRDR（最高性能的光譜變換技術）的模型用於分析光譜帶的相對重要性。 LS-SVR和PLSR係數顯示類似的模式，代表SVR p-矢量包含相似於PLSR係數的信息，而且能夠以相同的方式解釋。

使用CRDR轉換反射率估算N的光譜帶的相對重要性。係數經過除以它們各自的標準誤差歸一化。

​

使用LS-SVR和CRDR進行氮預測。

​

使用全部CRDR條帶從PLSR獲得的氮濃度圖

​

葉面積的變化可能影響預測的N濃度。然而，儘管樹木密度較低，沿着海岸線的_阿維森尼亞_林分仍顯示出始終如一的高水平。具備高度泥漿或根（即低LAI）的像素被分類爲非紅樹林（地圖上的淺灰色），所以減小了稀疏冠層覆蓋的負面影響。

結論

基於該研究，得出如下結論。

1。

評估了四種不一樣迴歸技術ε-SVR，ν-SVR，LS-SVR和PLSR的性能。 PLSR是使用全部波段時具備最高精度的方法，而且在抑制氮氣圖中的噪聲方面更有效。

2。

基於SVM的方法易受自變量中的冗餘和共線性的影響，而且必須減小頻帶的數量以得到最佳性能。在這裏，經過分析生成的PLSR和SVR模型的結構來識別最具信息性的條帶。

3。

比較了不一樣的光譜變換方法對預測模型性能的影響。CRDR被證實是加強與氮有關的吸取特徵的最有效的轉化方法。

整體而言，該研究已經證實了使用空氣傳播的高光譜數據和經驗模型預測紅樹林中氮的可能性。用於預測磷，鉀，鈣，鎂和鈉的模型顯示出不太使人鼓舞的結果。生成了研究區域的葉片氮變異圖，而且出現的模式可用於分析生態系統過程，例如與紅樹林中的洪水進行營養交換。分析這些大規模的葉面氮空間模式對於紅樹林營養動態研究人員和森林管理的角度來講都是很是有益的。