基于hj-ccd数据和随机森林算法的小麦叶面积指数反演.pdfVIP

第 32 卷 第 3 期 农 业 工 程 学 报 Vol.32 No.3 2016 年 2 月 Transactions of the Chinese Society of Agricultural Engineering Feb. 2016 149 基于 HJ-CCD 数据和随机森林算法的小麦叶面积指数反演 1 2 1 1※ 王丽爱 ，周旭东 ，朱新开 ，郭文善 （1.扬州大学江苏省作物遗传生理重点实验室，扬州 225009 ； 2. 扬州大学信息工程学院，扬州 225127 ） 摘 要：为给小麦长势的遥感监测提供技术支持，该文运用随机森林回归（RF ，random forest ）算法建立小麦叶面积指 数（LAI ）遥感反演模型。首先基于2010 －2013 年江苏地区小麦环境减灾卫星 HJ-CCD 的影像数据，提取拔节、孕穗和 开花 3 个生育期的卫星植被指数，进而根据各生育期植被指数和相应实测 LAI 数据，利用 RF 算法构建各期小麦 LAI 反 演模型，并以人工神经网络（ANN ，artificial neural network ）模型为参比模型进行预测精度的比较。结果表明：RF 算法 模型在 3 个生育期的预测结果均好于同期的 ANN 模型。拔节、孕穗和开花 3 个生育期 RF 模型预测值与地面实测值的 R2 分别为 0.79，0.67 和 0.59，对应的 RMSE 分别为 0.57，0.90 和 0.78 ；ANN 模型的 R2 分别为 0.67，0.31 和 0.30，对应 的RMSE 分别为 0.82，1.94 和 1.43。该研究结果为提高大田尺度下的小麦LAI 遥感预测精度提供了技术和方法。 关键词：植被；神经网络；算法；随机森林；机器学习；叶面积指数；小麦 doi ：10.11975/j.issn.1002-6819.2016.03.021 中图分类号：S127；TP79 文献标志码：A 文章编号：1002-6819(2016)-03-0149-06 王丽爱，周旭东，朱新开，郭文善. 基于 HJ-CCD 数据和随机森林算法的小麦叶面积指数反演[J]. 农业工程学报，2016， 32(3)：149－154. doi ：10.11975/j.issn.1002-6819.2016.03.021 Wang Liai, Zhou Xudong, Zhu Xinkai, Guo Wenshan. Inverting wheat leaf area index based on HJ-CCD remote sensing data and random forest algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(3): 149 －154. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2016.03.021 [9] 数是 EVI （enhanced vegetation index ）；郭琳等 基于中 0 引 言 国自主研发的环境减灾卫星 HJ-CCD 数据，通过支持向 叶面