基于机器学习的水稻地上生物量遥感反演
地上生物量是水稻重要的生理生化参数,其估测模型对长势监测、产量估计等具有重要的意义.高光谱遥感技术具有光谱分辨率高、蕴含信息丰富、高效无损的特点,能够大范围精准监测作物生长信息,在现代化农业中得到了广泛的应用.本文基于ASD FieldSpec 4光谱辐射计获取的水稻的冠层光谱反射率数据,通过光谱转换获得其红边参数、植被指数等参数,利用K近邻回归(KNN)、支持向量机(SVM)、随机森林(RF)等方法开展水稻生物量估测研究,实验结果表明:其中RF建模集精度最高:R2为0.98,RMSE为94.6g·m-2,CV为11.7％,验证集精度:R2为0.89,RMSE为194.1g·m-2,CV为23.5％,且三种机器学习建模的精度R2均高于0.86,达到较好的反演效果.
地上生物量、水稻、光谱反射率、红边参数、植被指数
S127(农业物理学)
2020-11-06（万方平台首次上网日期，不代表论文的发表时间）
共2页
228-229
