基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演

• 作者: 周旭东 朱新开 王丽爱 郭文善
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 植被 神经网络 算法 随机森林 机器学习 叶面积指数 小麦
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 149-154
• 页数: 6页
• 分类号: S127|TP79
• 字数: 4988字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2016.03.021

摘要

为给小麦长势的遥感监测提供技术支持，该文运用随机森林回归（RF，random forest）算法建立小麦叶面积指数（LAI）遥感反演模型。首先基于2010－2013年江苏地区小麦环境减灾卫星HJ-CCD的影像数据，提取拔节、孕穗和开花3个生育期的卫星植被指数，进而根据各生育期植被指数和相应实测LAI数据，利用RF算法构建各期小麦LAI反演模型，并以人工神经网络（ANN，artificial neural network）模型为参比模型进行预测精度的比较。结果表明：RF算法模型在3个生育期的预测结果均好于同期的 ANN 模型。拔节、孕穗和开花3个生育期 RF 模型预测值与地面实测值的R2分别为0.79，0.67和0.59，对应的RMSE分别为0.57，0.90和0.78；ANN模型的R2分别为0.67，0.31和0.30，对应的RMSE分别为0.82，1.94和1.43。该研究结果为提高大田尺度下的小麦LAI遥感预测精度提供了技术和方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱新开	扬州大学江苏省作物遗传生理重点实验室	117	2756	28.0	50.0
2	郭文善	扬州大学江苏省作物遗传生理重点实验室	131	3077	29.0	52.0
3	周旭东	扬州大学信息工程学院	14	163	6.0	12.0
4	王丽爱	扬州大学江苏省作物遗传生理重点实验室	15	135	5.0	11.0