您好,欢迎访问北京市农林科学院 机构知识库!

基于随机森林算法的冬小麦生物量遥感估算模型对比

文献类型: 中文期刊

作者: 岳继博 1 ; 杨贵军 2 ; 冯海宽 2 ;

作者机构: 1.河南理工大学测绘与国土信息工程学院

2.北京农业信息技术研究中心

关键词: 遥感;生物量;模型;冬小麦;随机森林;灰色关联

期刊名称: 农业工程学报

ISSN: 1002-6819

年卷期: 2016 年 32 卷 18 期

页码: 175-182

收录情况: EI ; 北大核心 ; CSCD

摘要: 为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法(random forest,RF)将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析(correlation coefficient,r)、袋外数据(out-of-bag data,OOB)重要性和灰色关联分析(grey relational analysis,GRA)与随机森林算法(RF)进行整合,构建了3种冬小麦生物量估算模型:r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明:r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m2,均方根误差分别为0.218、0.221和0.236 kg/m2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。

  • 相关文献

[1]基于无人机影像与GA-BP神经网络的生物量估算. 杨福芹,李天驰,冯海宽,解鹏,陈超,高磊磊. 2023

[2]基于遥感和AquaCrop作物模型的多同化算法比较. 邢会敏,李振海,徐新刚,冯海宽,杨贵军,陈召霞. 2017

[3]基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测. 屈莎,李振海,邱春霞,杨贵军,宋晓宇,陈召霞,刘畅. 2017

[4]区域冬小麦籽粒蛋白含量遥感预测研究. 王琦,宋晓宇,杨贵军,李振海,冯海宽. 2018

[5]基于无人机数码影像和高光谱数据的冬小麦产量估算对比. 陶惠林,冯海宽,杨贵军,杨小冬,苗梦珂,吴智超,翟丽婷. 2019

[6]基于随机森林算法的冬小麦叶面积指数遥感反演研究. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍. 2018

[7]基于多载荷无人机遥感的大豆地上鲜生物量反演. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕. 2017

[8]夏玉米冠层光合有效辐射垂直分布模型. 刘镕源,黄文江,任华忠,杨贵军,谢东辉,王纪华. 2011

[9]基于赤池信息量准则的冬小麦叶面积指数高光谱估测. 杨福芹,冯海宽,李振海,高林,杨贵军,戴华阳. 2016

[10]基于互补相关模型和IKONOS数据的农田蒸散时空特征分析. 赵春江,杨贵军,薛绪掌,冯海宽,石月婵. 2013

[11]乡镇尺度的玉米种植面积遥感监测. 郭伟,赵春江,顾晓鹤,黄文江,马智宏,王慧芳,王大成. 2011

[12]基于无人机数码影像的马铃薯生物量估算. 刘杨,冯海宽,黄珏,孙乾,杨福芹. 2020

[13]冬小麦播期的卫星遥感及应用. 刘良云,赵春江,王纪华,宋晓宇,黄文江,李存军. 2005

[14]利用多时相Landsat近红外波段监测冬小麦和苜蓿种植面积. 李存军,王纪华,刘良云,宋晓宇,王人潮. 2005

[15]基于无人机数码影像的冬小麦叶面积指数探测研究. 高林,杨贵军,李红军,李振海,冯海宽,王磊,董锦绘,贺鹏. 2016

[16]基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演. 李鑫川,徐新刚,鲍艳松,黄文江,罗菊花,董莹莹,宋晓宇,王纪华. 2012

[17]华北平原冬小麦总初级生产力的遥感监测. 赵晶晶,刘良云,徐自为,焦全军,彭代亮. 2011

[18]基于随机森林算法的冬小麦叶片氮含量遥感估算研究. . 2019

[19]基于随机森林算法的冬小麦叶片氮含量遥感估算研究. 韩玉杰,丁宁,冯海宽,张春兰. 2019

[20]基于多时相环境减灾卫星数据的冬小麦冻害评估. 董燕生,陈洪萍,王慧芳,顾晓鹤,王纪华. 2012

作者其他论文 更多>>