基于 SVR 算法的小麦冠层叶绿素含量高光谱反演

• 作者: 周兴东 张连蓬 杨敏华 林卉 梁亮
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 遥感 叶绿素 光谱分析 反演 小麦 支持向量回归
• 年，卷（期）: 2012,（20）
• 页码范围: 162-171
• 分类号: TP722|S123
• 字数: 6566字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2012.20.022

摘要

为给小麦的长势监测与农艺决策提供科学依据,利用高光谱技术实现了小麦冠层叶绿素含量的估测.通过分析18种高光谱指数对叶绿素的估测能力,筛选出可敏感表征叶绿素含量的指数 REP,利用地面光谱数据为样本集,以最小二乘支持向量回归(least squares support vector regression,LS-SVR)算法建立了小麦冠层叶绿素含量反演模型,其校正决定系数 C-R2与预测决定系数 P-R2分别为0.751与0.722,在各指数中反演精度最高.进一步分析表明,REP 对叶绿素含量以及 LAI 值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对叶绿素含量估测的影响.利用 LS-SVR 反演模型完成了 OMIS 影像叶绿素含量的遥感填图,并以地面实测值进行检验,其拟合模型 R2与 RMSE 值分别为0.676与1.715.结果表明,高光谱指数 REP 所建立的 LS-SVR 模型实现了叶绿素含量的准确估测,可用于小麦叶绿素含量信息的快速、无损获取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨敏华	中南大学地球科学与信息物理学院	100	1134	19.0	30.0
2	周兴东	江苏师范大学测绘学院	9	124	4.0	9.0
3	梁亮	江苏师范大学测绘学院	15	176	5.0	13.0
4	林卉	江苏师范大学测绘学院	20	283	10.0	16.0
5	张连蓬	江苏师范大学测绘学院	22	303	8.0	17.0