基于赤池信息量准则的冬小麦叶面积指数高光谱估测

摘要：

冬小麦叶面积指数（leaf area index，LAI）是描述冠层结构的重要参数之一，对评价其长势和预测产量具有重要意义。该文利用灰色关联分析（grey relational analysis，GRA）对植被指数进行排序，用偏最小二乘法（partial least squares regression，PLS）选择不同的植被指数个数作为自变量进行回归建模，通过赤池信息量准则（Akaike’s information criterion， AIC）选择AIC值最小的模型作为冬小麦LAI最优估算模型，即GRA、PLS和AIC 3种方法整合建立冬小麦LAI最优估算模型。使用2008－2009年在中国北京通州区和顺义区获取的整个生育期冬小麦LAI和配套的光谱数据进行建模，利用2009－2010相关数据进行验证。研究表明：采用GRA评价标准与冬小麦LAI关联度最大的植被指数是VOG1，关联度最小的植被指数是SR；通过AIC建立的以8个植被指数作为自变量的冬小麦LAI模型效果最优，建模集的决定系数R2和标准误SE分别为0.76和0.009，验证集的R2和相对均方根误差RRMSE分别为0.63和0.004，预测模型和验证模型均具有较高的精度和可靠性。结果表明采用GRA-PLS-AIC方法进行冬小麦LAI反演是可行的，为提高冬小麦LAI遥感预测精度提供了一种有效的方法。

关键词：植被、遥感、模型、叶面积指数、赤池信息量准则、灰色关联分析、偏最小二乘法

分类号：S127;TP79(农业物理学)

资助基金：国家自然科学基金41471285；北京市自然科学基金项目4141001；北京市农林科学院科技创新能力建设项目KJCX20140417；地理空间信息工程国家测绘地理信息局重点实验室经费资助项目201417

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：163-168