基于支持向量机回归的冬小麦叶面积指数遥感反演

• 作者: 杨贵军 梁栋 管青松 黄文江* 黄林生
• 来源期刊: 农业工程学报
• 学科: 农学
• 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
• 年，卷（期）: 2013,（7）
• 页码范围: 117-123
• 分类号: S127
• 字数: 5674字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2013.07.015

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁栋	安徽大学计算智能与信号处理教育部重点实验室	153	1898	21.0	37.0
2	黄林生	安徽大学计算智能与信号处理教育部重点实验室	18	160	5.0	12.0
3	杨贵军		29	518	14.0	22.0
4	管青松	安徽大学计算智能与信号处理教育部重点实验室	1	92	1.0	1.0
5	黄文江*	中国科学院遥感与数字地球研究所数字地球重点实验室	1	92	1.0	1.0