基于支持向量机回归的冬小麦叶面积指数遥感反演

被引：76

作者：

梁栋 ^{[1
]}

管青松 ^{[1
,2
]}

黄文江 ^{[2
]}

黄林生 ^{[1
]}

杨贵军 ^{[3
]}

机构：

[1] 安徽大学计算智能与信号处理教育部重点实验室

[2] 中国科学院遥感与数字地球研究所,数字地球重点实验室

[3] 北京农业信息技术研究中心

来源：

农业工程学报 | 2013年 / 29卷 / 07期

关键词：

遥感; 光谱分析; 支持向量机; 反演; 叶面积指数; 植被指数;

D O I：

暂无

中图分类号：

S512.11 []; S127 [遥感技术在农业上的应用];

学科分类号：

0901 ; 082804 ;

摘要：

利用单一植被指数反演叶面积指数(LAI)时,存在不同程度的饱和性且每种指数只能包含部分波段的信息,该文提出利用支持向量机回归的方法进行叶面积指数的反演,可以用更多的波段信息作为输入参数以提高LAI反演精度。选取冬小麦起身期、拔节期和灌浆期的实测光谱和叶面积指数数据,用统计回归的方法分别建立NDVI-LAI和RVI-LAI模型,用支持向量机回归(SVR)方法分别建立以NDVI、RVI以及蓝、绿、红和近红外4个波段数据作为输入参数的回归预测模型,即NDVI-SVR、RVI-SVR和NRGB-SVR模型。上述5个模型分别利用对应时期的环境星HJ-CCD数据进行验证。结果表明:NDVI和RVI与叶面积指数(LAI)的回归模型预测的结果与实测值的RMSE分别为0.98与0.97;预测精度分别为59.2%与59.3%。以NDVI和RVI结合实测叶面积指数(LAI)训练并预测的结果与实测值的均方根误差RMSE分别为0.71与0.83预测精度分别为70.4%与67.1%。以蓝(B)、绿(G)、红(R)以及近红外(NIR)波段作为输入参数回归并预测的RMSE值为0.42,预测精度为81.7%。通过支持向量机回归预测具有更好的拟合效果,可以输入更多波段信息,提高了叶面积遥感反演精度,对冬小麦的多个生育期均具有较好的适用性。

引用

页码：117 / 123

页数：7

共 20 条

[1] 基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演 [J].