文献类型： 中文期刊

作者： 梁栋 ¹ ; 管青松 ² ; 黄文江 ² ; 黄林生 ² ; 杨贵军 ² ;

作者机构： 1.安徽大学计算智能与信号处理教育部重点实验室

2.安徽大学计算智能与信号处理教育部重点实验室;中国科学院遥感与数字地球研究所,数字地球重点实验室;北京农业信息技术研究中心

关键词： 遥感;光谱分析;支持向量机;反演;叶面积指数;植被指数

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2013 年 07 期

页码： 125-131

收录情况： EI ; 北大核心 ; CSCD

摘要： 利用单一植被指数反演叶面积指数(LAI)时,存在不同程度的饱和性且每种指数只能包含部分波段的信息,该文提出利用支持向量机回归的方法进行叶面积指数的反演,可以用更多的波段信息作为输入参数以提高LAI反演精度。选取冬小麦起身期、拔节期和灌浆期的实测光谱和叶面积指数数据,用统计回归的方法分别建立NDVI-LAI和RVI-LAI模型,用支持向量机回归(SVR)方法分别建立以NDVI、RVI以及蓝、绿、红和近红外4个波段数据作为输入参数的回归预测模型,即NDVI-SVR、RVI-SVR和NRGB-SVR模型。上述5个模型分别利用对应时期的环境星HJ-CCD数据进行验证。结果表明:NDVI和RVI与叶面积指数(LAI)的回归模型预测的结果与实测值的RMSE分别为0.98与0.97;预测精度分别为59.2%与59.3%。以NDVI和RVI结合实测叶面积指数(LAI)训练并预测的结果与实测值的均方根误差RMSE分别为0.71与0.83预测精度分别为70.4%与67.1%。以蓝(B)、绿(G)、红(R)以及近红外(NIR)波段作为输入参数回归并预测的RMSE值为0.42,预测精度为81.7%。通过支持向量机回归预测具有更好的拟合效果,可以输入更多波段信息,提高了叶面积遥感反演精度,对冬小麦的多个生育期均具有较好的适用性。