基于支持向量机回归算法小麦叶面积指数高光谱遥感反演.pdfVIP

第 29 卷 第 11 期 农 业 工 程 学 报 Vol.29 No.11 2013 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2013 139 基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演 1,2 2 ※ 2 1,3 林 卉 ，梁 亮 ，张连蓬 ，杜培军 （1. 中国矿业大学环境与测绘学院，徐州 221009 ； 2. 江苏师范大学测绘学院，徐州 221116 ； 3. 南京大学地理与海洋科学学院，南京 210093） 摘 要：为给小麦田间管理提供基础数据，利用高光谱指数实现了小麦冠层叶面积指数（LAI ）值的估测。在 21 种高光谱指数中筛选出了与 LAI 值相关性最强的指数 OSAVI，建立了小麦 LAI 值反演的最小二乘支持向量回归 （LS-SVR ）模型。分析表明，模型校正集决定系数（C-R2 ）与预测集决定系数（P-R2 ）分别达0.851 与 0.848，可 实现小麦 LAI 值的精确反演，且对 LAI 值较高与较低的样本均具备良好的预测能力，可有效避免冠层郁闭度等因 素对估测结果的影响。利用 LS-SVR 模型与 OMIS 影像实现了小麦 LAI 遥感专题图的制作，其填图结果与地面实 测值拟合模型 R2 达 0.774，RMSE 仅为 0.476，2 组数据具有较高的相似度。结果表明：可利用高光谱指数实现小 麦冠层 LAI 值信息的准确获取，且 OSAVI 系反演建模的优选指数，LS-SVR 为建模的优选算法。该研究可为小麦 等农作物的长势评估提供参考。 关键词：遥感，支持向量机，回归分析，叶面积指数（LAI ），反演，小麦 doi ：10.3969/j.issn.1002-6819.2013.11.018 中图分类号：TP722, S123 文献标志码：A 文章编号：1002-6819(2013)-11-0139-08 林 卉，梁 亮，张连蓬，等. 基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演[J]. 农业工程学报， 2013，29(11)：139－146. Lin Hui, Liang Liang, Zhang Lianpeng, et al. Wheat leaf area index inversion with hyperspectral remote sensing based on support vector regression algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(11): 139 －146. (in Chinese with English abstract) 并能较好地消除土壤背景等干扰因子的影响。 0 引 言 Darvishzadeh 等[6]则在分析各种植被指数进行绿色 叶面积指数（leaf area index, LAI ）与植物的生 植被的LAI 值反演的同时探讨了土壤背景以及植被 长状态以及光合作用能力密切相关，是农作物水肥 结构等因素对 LAI 反演精度的影响。后续的研究则 [1-2] 调控、长势监测以及产量评估的重要指标 。 把以高光谱进行 LAI 估测这一方法推广