张子晗,晏 磊,2,刘思远,付 瑜,姜凯文,杨 彬,刘绥华,张飞舟*

1. 北京大学地球与空间科学学院， 遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室,北京 100871 2. 桂林航空工业学院， 广西高校无人机遥测重点实验室,广西 桂林 541004 3. 湖南大学电气与信息工程学院,湖南 长沙 410082 4. 贵州师范大学地理与环境科学学院,贵州 贵阳 550001

引 言

在科研人员利用高光谱遥感数据进行植被内部重要物质含量反演之后的30多年里， 高光谱遥感技术已广泛应用于研究与植被相关的多种重要的生物化学物质， 例如： 水分、 纤维素、 蛋白质、 叶绿素、 氮元素、 硫元素和磷元素等。 叶片氮元素含量(leaf nitrogen concentration,LNC)与植物光合呼吸作用和其他的相关生物过程密切相关， 其含量仅占叶片总质量的0.2%～6.4%， 但却能极大程度上影响全球气候变化过程， 并在广域碳氮循环过程中起到主导作用， 对于解构生态环境规律有重大科学意义。 氮元素在叶片内部的主要依托为蛋白质和叶绿素， 这两种物质在可见光近红外(400～2 500 nm)波段有独特的吸收特性， 因而可以利用高光谱数据进行氮元素含量反演。

利用高光谱数据进行氮含量反演的算法可以大致分为三类： 第一类方法建立在叶片反射率与叶片氮含量之间统计关系的基础上， 以逐次线性拟合回归(stepwise multiple linear regression,SMLR)和偏最小二乘回归(partial least squares regression,PLSR)为代表[1]， 在高光谱波段数较多时， 这类算法的回归计算比较耗时， 精度相比于后两类方法更低， 但由于算法原理简单明晰， 仍被广泛使用；……