文献类型： 中文期刊

作者： 谢巧云 ¹ ; 黄文江 ¹ ; 蔡淑红 ² ; 梁栋 ³ ; 彭代亮 ¹ ; 张清 ¹ ; 黄林生 ³ ; 杨贵军 ⁴ ; 张东彦 ³ ;

作者机构： 1.中国科学院遥感与数字地球研究所

2.河北省农业技术推广总站

3.安徽大学

4.北京农业信息技术研究中心

关键词： 叶面积指数;高光谱;支持向量机;小波变换;主成分分析

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2014 年 34 卷 05 期

页码： 1352-1356

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 叶面积指数(leaf area index,LAI)是反映作物生长状况和进行产量预测预报的主要指标之一,对诊断作物生长状况具有重要意义。遥感技术为大面积、快速监测植被LAI提供了有效途径。利用高光谱遥感影像,结合田间同步实验数据,探讨不同方法对冬小麦叶面积指数遥感反演的能力。介绍了支持向量机、离散小波变换、连续小波变换和主成分分析四种LAI反演方法。分别利用上述四种方法构建冬小麦LAI反演模型,并对不同算法反演的LAI模型进行了真实性检验。结果显示,支持向量机非线性回归模型精度最高,对冬小麦LAI估算能力最强,反演值与实测值拟合的决定系数为0.823 4、均方根误差为0.419 5。离散小波变换法和主成分分析法都是基于特征提取和数据降维,其多元变量回归分析对LAI估算能力相近,决定系数分别为0.697 1和0.692 4,均方根误差分别为0.605 8和0.554 1。连续小波变换法回归模型精度最低,不适宜直接用其小波系数来反演LAI。结果表明,非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。