非线性拟合LST/NDVI特征空间干湿边优于传统线性拟合方法的讨论

地表温度/植被指数特征空间在土壤含水率、蒸散发等定量遥感反演和旱情监测、水资源管理方面有着重要的应用,但其特征空间中干湿边的拟合方式的研究目前还相对缺乏.该文以美国俄克拉荷马州为例,针对地表温度/植被指数特征空间干边和湿边的最优拟合方式展开研究,分别采用线性、指数、对数、多项式和幂函数对干边和湿边进行拟合,并采用16个土壤墒情站点的5、25和60 cm不同深度的3组实测土壤含水率数据对拟合结果进行评估.结果表明:对于干边的拟合,指数函数、线性函数、对数函数和幂函数拟合的决定系数r2分别为0.64,0.60,0.41,0.43,多项式函数拟合的r2最高(0.67);对于湿边的拟合,指数函数、线性函数、对数函数和幂函数拟合的r2分别为0.59,0.63,0.67,0.69,多项式函数拟合的r2最高,为0.70;多项式函数拟合干边和湿边构建特征空间计算结果的均方根误差(RMSE,root mean square error)和平均绝对误差(MAE,mean absolute error)值均最小,在5、25和60 cm深度下RMSE分别为0.29、0.27和0.28,MAE分别为0.26、0.23和0.25,表明采用多项式函数拟合干边和湿边计算的结果精度最高且对25cm深度的土壤含水率最为敏感.