基于梯度提升树算法的夏玉米叶面积指数反演

• 作者: 侯贵河 刘全中 刘雯 宋荣杰 张宏鸣 韩文霆
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 夏玉米 叶面积指数 多光谱 梯度提升树 植被指数
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 251-259
• 页数: 9页
• 分类号: TP79|S127
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.05.029

摘要

为了快速、准确、大范围获取大田夏玉米的叶面积指数(Leaf area index,LAI),基于实地采集的夏玉米LAI和株高,结合同时期的无人机多光谱影像,选择与夏玉米LAI相关性较强的8种植被指数以及株高作为反演LAI的输入变量,采用梯度提升树(Gradient boosting decision tree,GBDT)算法建立植被指数及株高与叶面积指数之间的预测模型,并与支持向量机(Support vector machine,SVM)和随机森林(Random forest,RF)算法建立的模型进行预测精度对比.结果 表明,GBDT算法在3个样本组中的LAI预测值与实测值R2分别为0.571 0、0.755 8、0.644 1,均高于SVM算法(0.547 2、0.679 1、0.6168)和RF算法(0.550 5、0.697 3、0.6295);对应的RMSE分别为0.002 7、0.001 5、0.001 6,均低于SVM算法(0.211 7、0.1523、0.1597)和RF算法(0.244 7、0.214 7、0.208 0).该研究为快速准确的大田夏玉米LAI遥感监测提供了技术和方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋荣杰		19	85	6.0	9.0
2	刘全中		9	41	3.0	6.0
3	张宏鸣		31	204	7.0	13.0
4	韩文霆		32	438	9.0	20.0
5	刘雯		4	28	2.0	4.0
6	侯贵河		1	0	0.0	0.0