基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演

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。

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

分类号：S127;TP79(农业物理学)

资助基金：国家自然科学基金31271642；江苏省高校自然科学基金12KJB520018；省属高校国际科技合作聘专重点项目；"六大人才高峰"高层次人才项目2011-NY039；江苏省高校优秀科技创新团队项目。

在线出版日期：2016-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：149-154