高光譜遙感能夠實作冠層生化特性的大規模繪圖。本研究探讨了從印度尼西亞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确性，（2）比較基于支援向量回歸（SVR）的模型的性能，即ε-SVR，ν-SVR和最小二乘SVR（LS） -SVR），基于偏最小二乘回歸（PLSR）的模型，以及（3）研究哪種光譜變換最适合。
簡介
紅樹林生長在熱帶和亞熱帶的潮間帶沿海栖息地。它們是地球上受威脅最嚴重的脆弱生态系統之一，并受到人類活動的持續壓力 。
材料和方法
研究區位于印度尼西亞東加裡曼丹省的Berau三角洲 。
研究區域的位置（資料來源：Bakosurtanal，印度尼西亞，2000年）。
葉子樣品的集合
樣本沿垂直于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，反映葉片生化名額的變化。距海岸線最大長度400米被認為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，距離大約為50米的分離點 。
研究區域中的樣本位置。
在每個樣本點，選擇主導屬的代表樹，并且其位置用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并儲存在信封中。紅樹葉的生化成分随葉齡而變化，特别是在衰老過程中。
光譜變換
衆所周知的是适當的光譜轉化技術可以去除噪聲和提高生物化學吸收特征，進而提高了回歸模型的精确度 。除了使用未轉換的反射率之外，還應用了四種光譜轉換方法并在分析中進行了比較。
偏最小二乘回歸
PLSR使用分量投影将整個頻譜減少到包含最有用資訊的較少數量的非相關分量（也稱為潛在變量）。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工具用于回歸模組化，并通過五重交叉驗證優化元件數量。
[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
基于CRDR（最高性能的光譜變換技術）的模型用于分析光譜帶的相對重要性。 LS-SVR和PLSR系數顯示相似的模式，表明SVR p-矢量包含類似于PLSR系數的資訊，并且可以以相同的方式解釋。
使用CRDR轉換反射率估算N的光譜帶的相對重要性。系數通過除以它們各自的标準偏差歸一化。
使用LS-SVR和CRDR進行氮預測。
使用所有CRDR條帶從PLSR得到的氮濃度圖
葉面積的變化可能影響預測的N濃度。然而，盡管樹木密度較低，沿着海岸線的阿維森尼亞林分仍顯示出始終如一的高水準。具有高度泥漿或根（即低LAI）的像素被分類為非紅樹林（地圖上的淺灰色），是以減少了稀疏冠層覆寫的負面影響。
結論
基于該研究，得出以下結論。
| 1。 | 評估了四種不同回歸技術ε-SVR，ν-SVR，LS-SVR和PLSR的性能。 PLSR是使用所有波段時具有最高精度的方法，并且在抑制氮氣圖中的噪聲方面更有效。 |
| 2。 | 基于SVM的方法易受自變量中的備援和共線性的影響，并且必須減少頻帶的數量以獲得最佳性能。在這裡，通過分析生成的PLSR和SVR模型的結構來識别最具資訊性的條帶。 |
| 3。 |