基于随机森林回归算法的小麦叶片SPAD值遥感估算

摘要：

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型.以2010-2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16.

关键词：小麦叶片、SPAD、遥感反演、随机森林算法、支持向量回归、BP神经网络

所属期刊栏目：46

分类号：TP79;Q945.11(遥感技术)

资助基金：国家自然科学基金资助项目41271415、江苏省高校自然科学基金资助项目12KJB520018、省属高校国际科技合作聘专重点资助项目、“六大人才高峰”高层次人才资助项目2011-NY039、江苏省高校优秀科技创新团队资助项目和扬州大学科技创新培育基金资助项目2013CXJ028

在线出版日期：2015-04-07（万方平台首次上网日期，不代表论文的发表时间）

页码：259-265