文献类型：期刊文章

作　　者：梁亮[1,2] 杨敏华[3] 张连蓬[1] 林卉[1] 周兴东[1]

机构地区：[1]江苏师范大学测绘学院,徐州221116 [2]南京大学国际地球系统科学研究所,南京210008 [3]中南大学地球科学与信息物理学院,长沙410083

出　　处：《农业工程学报》

基　　金：江苏省自然科学基金项目(BK2012145);江苏省高校自然科学研究面上项目(12KJB420001);国家自然科学基金项目(30570279);江苏师范大学博士学位教师科研支持项目(11XLR03与10XLR16)

年　　份：2012

卷　　号：28

期　　号：20

起止页码：162-171

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20124715692089)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为给小麦的长势监测与农艺决策提供科学依据,利用高光谱技术实现了小麦冠层叶绿素含量的估测。通过分析18种高光谱指数对叶绿素的估测能力,筛选出可敏感表征叶绿素含量的指数REP,利用地面光谱数据为样本集,以最小二乘支持向量回归(least squares support vector regression,LS-SVR)算法建立了小麦冠层叶绿素含量反演模型,其校正决定系数C-R2与预测决定系数P-R2分别为0.751与0.722,在各指数中反演精度最高。进一步分析表明,REP对叶绿素含量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对叶绿素含量估测的影响。利用LS-SVR反演模型完成了OMIS影像叶绿素含量的遥感填图,并以地面实测值进行检验,其拟合模型R2与RMSE值分别为0.676与1.715。结果表明,高光谱指数REP所建立的LS-SVR模型实现了叶绿素含量的准确估测,可用于小麦叶绿素含量信息的快速、无损获取。

关 键 词：遥感  叶绿素 光谱分析 反演 小麦 支持向量回归

分 类 号：TP722] S123]