文献类型： 中文期刊

作者： 杨福芹 ¹ ; 冯海宽 ² ; 李振海 ² ; 高林 ² ; 杨贵军 ² ; 戴华阳 ¹ ;

作者机构： 1.中国矿业大学

2.国家农业信息化工程技术研究中心

关键词： 植被;遥感;模型;叶面积指数;赤池信息量准则;灰色关联分析;偏最小二乘法

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2016 年 32 卷 03 期

页码： 163-168

收录情况： EI ; 北大核心 ; CSCD

摘要： 冬小麦叶面积指数(leaf area index,LAI)是描述冠层结构的重要参数之一,对评价其长势和预测产量具有重要意义。该文利用灰色关联分析(grey relational analysis,GRA)对植被指数进行排序,用偏最小二乘法(partial least squares regression,PLS)选择不同的植被指数个数作为自变量进行回归建模,通过赤池信息量准则(Akaike’s information criterion,AIC)选择AIC值最小的模型作为冬小麦LAI最优估算模型,即GRA、PLS和AIC 3种方法整合建立冬小麦LAI最优估算模型。使用2008-2009年在中国北京通州区和顺义区获取的整个生育期冬小麦LAI和配套的光谱数据进行建模,利用2009-2010相关数据进行验证。研究表明:采用GRA评价标准与冬小麦LAI关联度最大的植被指数是VOG1,关联度最小的植被指数是SR;通过AIC建立的以8个植被指数作为自变量的冬小麦LAI模型效果最优,建模集的决定系数R2和标准误SE分别为0.76和0.009,验证集的R2和相对均方根误差RRMSE分别为0.63和0.004,预测模型和验证模型均具有较高的精度和可靠性。结果表明采用GRA-PLS-AIC方法进行冬小麦LAI反演是可行的,为提高冬小麦LAI遥感预测精度提供了一种有效的方法。