【精选】基于小波变换与支持向量机回归的冬小麦叶面积指数估算.pdf

第 44 卷第 1 期 红外与激光工程 2015 年 1 月 Vol.44 No.1 Infrared and Laser Engineering Jan.2015 基 于小 波变换 与支持向量机 回归 的冬小 麦叶面积指数估算 梁 栋 1,2 ，杨 勤英 1,2,3 ，黄文 江 2,3 ，彭代亮 3 ，赵晋陵 1,2 ，黄林 生 1,2 ，张东彦 1,2 ，宋晓 宇 4 (1. 安徽 大学 计算机 智能与信号处理教育部 重点实验室，安徽 合肥 230039 ； 2. 安徽 大学 电子信息 工程学 院，安徽 合肥 230039 ； 3. 中国科 学院遥 感与数字地球研究 所 数 字地球 重点实验室，北京 100094 ； 4. 北京农业信息技 术研究 中心 ，北京 100097) 摘 要 ： 叶面积指数(LAI)是作物 长势诊 断及 产量预 测的重要参数 。通过对冬小麦采样点的高光谱曲 线进行连续 小波变换(CWT) ，然后利用小波 系数与 LAI 建立 支持 向量机 回归(SVR)模 型 ，实现冬小麦 不同生育时期 的叶 面积指数估 算。通过对所研究方法 与选取 的植被 指数 、偏 最 小二乘(PLS) 回归等 5 种 方法的反 演 结果进行 统 计 分析 。结果表明 ：利 用连续 小波 变换 确定的 LAI 的敏 感 波段 为 680 、 2 739 、802 、895 nm ，对应尺度分 别为 8 、4 、9 和 8 ，对应小 波 系数 的 LAI 回归确定 系数 (R ) 明显 高于冠层 反射 率 的回归确定 系数；利 用小波 系数与 LAI 建立的 SVR 模 型 的反 演精度 最 高 ，模 型 实测值 与预 测 2 值 的检验精度(R ) 为 0.86 ，均方根误 差(RMSE) 为 0.43 ；而常用植被 指数( 归一化植被 指数 ，NDVI ；比值 2 植被 指数 ，RVI) 建立的估 测模 型对冬小麦 多个生育时期 LAI 反演精度 最低 (R 0.76 ，RMSE 0.56) 。因 此利 用连续 小波变换进行数据预 处理 ，能更好地 筛选 出对 叶 面积指数敏 感的信息 ，LAI 回归方法 比较 结果表明 ，SVR 比 PLS 更适合 于 LAI 的估测，通过将 CWT 与 SVR 结合(CWT-SVR) 能 实现不同 生育时 期冬小麦叶面积指数 的遥 感估算。 关键词 ： 叶面积指数(LAI) ； 高光谱； 连续 小波变换(CWT) ； 支持 向量机 回归(SVR) ； 偏 最 小二乘(PLS) 中图分类号 ： TP391 文献标志码 ： A 文章编号 ： 1007-2276(2015)01-0335-06 Estimation of leaf area index based on wavelet transform and support vector machine regression in winter wheat 1,2 1,2,3 2,3