基于DESIS高光谱数据的植物物种丰富度预测：特征提取流程与回归模型比较研究

陆地维管植物多样性在维持生态系统稳定性和生产力方面起着关键作用。航空高光谱成像已显示出远程测量植物多样性的前景，但要在大区域上使这些工作业务化，我们需要推进基于卫星的替代方案。最近发射的DESIS（DLR地球传感成像光谱仪）仪器先进的光谱和空间规格提供了一个独特机会，用以测试利用星载高光谱数据监测植物物种多样性的潜力。本研究对DESIS高光谱数据预测澳大利亚东南部两种不同栖息地类型植物物种丰富度的能力进行了定量评估。首先从DESIS光谱中提取光谱特征，然后与实地植物物种丰富度估计值进行回归，采用双重交叉验证方案评估预测性能。我们测试并比较了主成分分析（PCA）、典型相关分析（CCA）和偏最小二乘分析（PLS）用于特征提取的有效性，以及核岭回归（KRR）、高斯过程回归（GPR）和随机森林回归（RFR）用于物种丰富度预测的有效性。最佳预测结果在Southern Tablelands地区为$r=0.76$和$\text{RMSE}=5.89$，在Snowy Mountains地区为$r=0.68$和$\text{RMSE}=5.95$。对DESIS光谱波段的相对重要性分析表明，红边、红和蓝光谱区域比绿波段及红边以外的近红外波段对预测植物物种丰富度更为重要。我们还发现，DESIS高光谱数据在植物物种丰富度预测中表现优于Sentinel-2多光谱数据。