基于Geosail模型和SVR算法的叶面积指数遥感反演

• 作者: 张学霞 杨维 赵静瑶
• 来源期刊: 中国水土保持科学
• 学科: 农学
• 关键词: SVR算法 Geosail模型 叶面积指数 Landsat 8 OLI 阔叶林
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 应用研究
• 页码范围: 48-55
• 页数: 8页
• 分类号: S771.8
• 字数: 5904字
• 语种: 中文
• DOI: 10.16843/j.sswc.2018.06.007

摘要

叶面积指数(LAI)控制着植物冠层的多种生理和生态过程,是陆地生态、水文模型中不可或缺的植被参数,因此准确反演区域LAI对研究植被与土壤侵蚀具有重要意义.本文以北京地区阔叶林为研究对象,利用Geosail模型模拟LAI和7种植被指数:比值植被指数(RVI)、归一化植被指数(NDVI)、绿波段植被指数(GNDVI)、重归一化植被指数(RDVI)、土壤调整植被指数(SAVI)、调整土壤亮度植被指数(OSAVI)和修正的土壤调整植被指数(MSA-VI),并采用支持向量机回归(SVR)算法和4种统计回归方法(线性函数、二次函数、指数函数和对数函数)建立LAI反演模型,同时通过Landsat 8 OLI遥感数据和实测数据验证模型精度.研究表明:1)SVR算法相比其他统计回归方法可以提高LAI反演的模型精度和预测精度;2)OSAVI指数在LAI反演方面的表现要优于NDVI等指数;3) NDVI指数的建模精度很高,但预测精度较低;4)OSAVI和SVR算法构建的模型精度和稳定性更好,是LAI反演的优选模型,其预测结果最为精确.因此,基于Geosail模型和SVR算法的反演方法可提高LAI反演精度,为大区域LAI反演的应用提供了新的思路,扩展了Geosail模型、SVR算法和Landsat 8 OLI遥感数据在LAI反演方面的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张学霞	北京林业大学水土保持学院	35	854	14.0	29.0
2	杨维	北京林业大学水土保持学院	4	67	3.0	4.0
3	赵静瑶	北京林业大学水土保持学院	4	67	3.0	4.0