文献类型：期刊文章

作　　者：王丽爱[1] 马昌[1] 周旭东[2] 訾妍[1] 朱新开[1] 郭文善[1]

机构地区：[1]扬州大学江苏省作物遗传生理重点实验室,扬州225009 [2]扬州大学信息工程学院,扬州225009

出　　处：《农业机械学报》

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;扬州大学科技创新培育基金资助项目(2013CXJ028)

年　　份：2015

卷　　号：46

期　　号：1

起止页码：259-265

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20150700509864)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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  

分 类 号：TP79] Q945.11]