气象与环境科学
氣象與環境科學
기상여배경과학
Meteorological and Environmental Sciences
2015年
4期
56-60
,共5页
郑东东%李颖%赫晓慧%胡程达%郭恒亮
鄭東東%李穎%赫曉慧%鬍程達%郭恆亮
정동동%리영%혁효혜%호정체%곽항량
冬小麦%叶面积指数%高光谱%偏最小二乘%逐步回归
鼕小麥%葉麵積指數%高光譜%偏最小二乘%逐步迴歸
동소맥%협면적지수%고광보%편최소이승%축보회귀
winter wheat%LAI%hyper-spectral%PLS%stepwise regression
基于高光谱数据的叶面积指数监测是快速获取冬小麦叶面积指数的重要方法.为了探究回归方法和高光谱数据变换对冬小麦叶面积指数反演精度的影响,采用逐步回归和偏最小二乘回归方法,分别建立基于冬小麦拔节期冠层高光谱数据、一阶导数光谱数据、二阶导数光谱数据和对数光谱数据的叶面积指数多元线性回归模型.结果显示,导数和对数变换能够提高冬小麦LAI反演精度,以蓝紫光、绿光、红光和近红外波段建立的一阶导数光谱数据逐步回归模型最优,建立回归模型的决定系数R2为0.974,交叉验证的RMSE为0.131,可为冬小麦LAI估算的方法选择和数据处理提供依据和参考.
基于高光譜數據的葉麵積指數鑑測是快速穫取鼕小麥葉麵積指數的重要方法.為瞭探究迴歸方法和高光譜數據變換對鼕小麥葉麵積指數反縯精度的影響,採用逐步迴歸和偏最小二乘迴歸方法,分彆建立基于鼕小麥拔節期冠層高光譜數據、一階導數光譜數據、二階導數光譜數據和對數光譜數據的葉麵積指數多元線性迴歸模型.結果顯示,導數和對數變換能夠提高鼕小麥LAI反縯精度,以藍紫光、綠光、紅光和近紅外波段建立的一階導數光譜數據逐步迴歸模型最優,建立迴歸模型的決定繫數R2為0.974,交扠驗證的RMSE為0.131,可為鼕小麥LAI估算的方法選擇和數據處理提供依據和參攷.
기우고광보수거적협면적지수감측시쾌속획취동소맥협면적지수적중요방법.위료탐구회귀방법화고광보수거변환대동소맥협면적지수반연정도적영향,채용축보회귀화편최소이승회귀방법,분별건립기우동소맥발절기관층고광보수거、일계도수광보수거、이계도수광보수거화대수광보수거적협면적지수다원선성회귀모형.결과현시,도수화대수변환능구제고동소맥LAI반연정도,이람자광、록광、홍광화근홍외파단건립적일계도수광보수거축보회귀모형최우,건립회귀모형적결정계수R2위0.974,교차험증적RMSE위0.131,가위동소맥LAI고산적방법선택화수거처리제공의거화삼고.
