DESIS 高光谱数据用于澳大利亚植物生物多样性估算的定量评估
机器学习
2022-07-07 v1 应用统计
摘要
陆地植物多样性在维持稳定、健康和富生产力的生态系统中起着关键作用。尽管遥感已被视为估算植物多样性的一种有前景且具成本效益的替代手段，但关于从星载高光谱数据推断植物多样性的可信程度仍缺乏定量研究。在本研究中，我们评估了由 DLR Earth Sensing Imaging Spectrometer (DESIS) 捕获的高光谱数据在估算澳大利亚东南部 Southern Tablelands 与 Snowy Mountains 地区植物物种丰富度方面的能力。首先从 DESIS 光谱中通过主成分分析、典型相关分析和偏最小二乘分析提取光谱特征，随后利用普通最小二乘回归、核岭回归和高斯过程回归在提取特征与植物物种丰富度之间进行回归。结果基于双重交叉验证方案，采用相关系数（）与均方根误差（RMSE）进行评估。在性能最佳的模型下，Southern Tablelands 地区的 为 0.71、RMSE 为 5.99，而 Snowy Mountains 地区的 为 0.62、RMSE 为 6.20。本研究报告的评估结果为未来理解星载高光谱测量与陆地植物生物多样性之间的关系提供了支持。
引用
@article{arxiv.2207.02482,
title = {Quantitative Assessment of DESIS Hyperspectral Data for Plant Biodiversity Estimation in Australia},
author = {Yiqing Guo and Karel Mokany and Cindy Ong and Peyman Moghadam and Simon Ferrier and Shaun R. Levick},
journal= {arXiv preprint arXiv:2207.02482},
year = {2022}
}