| 基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演 |
| |
| 引用本文： | 林 卉,梁 亮,张连蓬,杜培军.基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演[J].农业工程学报,2013,29(11):139-146. |
| |
| 作者姓名： | 林 卉 梁 亮 张连蓬 杜培军 |
| |
| 作者单位： | 1. 中国矿业大学环境与测绘学院，徐州 2210092. 江苏师范大学测绘学院，徐州 221116;2. 江苏师范大学测绘学院，徐州 221116;2. 江苏师范大学测绘学院，徐州 221116;1. 中国矿业大学环境与测绘学院，徐州 2210093. 南京大学地理与海洋科学学院，南京 210093 |
| |
| 基金项目： | 江苏省自然科学基金（BK2012145），中国博士后基金（2013M531329），国家自然科学基金（411101428），国家科技支撑计划（2012BAH31B00），现代工程测量国家测绘地理信息局重点实验室经费资助项目（TJES1204），地理空间信息工程国家测绘局重点实验室经费资助项目（201310），江苏省高校自然科学研究面上项目（12KJB420001）。 |
| |
| 摘 要： | 为给小麦田间管理提供基础数据，利用高光谱指数实现了小麦冠层叶面积指数值的估测。在21种高光谱指数中筛选出了与LAI值相关性最强的指数OSAVI，建立了小麦LAI值反演的最小二乘支持向量回归（LS-SVR）模型。分析表明，模型校正集决定系数（C-R2）与预测集决定系数（P-R2）分别达0.851与0.848，可实现小麦LAI值的精确反演，且对LAI值较高与较低的样本均具备良好的预测能力，可有效避免冠层郁闭度等因素对估测结果的影响。利用LS-SVR模型与OMIS影像实现了小麦LAI遥感专题图的制作，其填图结果与地面实测值拟合模型R2达0.774，RMSE仅为0.476，2组数据具有较高的相似度。结果表明：可利用高光谱指数实现小麦冠层LAI值信息的准确获取，且OSAVI系反演建模的优选指数，LS-SVR为建模的优选算法。该研究可为小麦等农作物的长势评估提供参考。
|
| 关 键 词： | 遥感，支持向量机，回归分析，叶面积指数，反演，小麦 |
| 收稿时间： | 2012/9/24 0:00:00 |
| 修稿时间： | 5/7/2013 12:00:00 AM |
Wheat leaf area index inversion with hyperspectral remote sensing based on support vector regression algorithm |
| |
| Lin Hui,Liang Liang,Zhang Lianpeng and Du Peijun.Wheat leaf area index inversion with hyperspectral remote sensing based on support vector regression algorithm[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(11):139-146. |
| |
| Authors: | Lin Hui Liang Liang Zhang Lianpeng and Du Peijun |
| |
| Abstract: | |
| |
| Keywords: | remote sensing support vector machines regression analysis LAI inversion wheat |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
