文献类型： 中文期刊

作者： 张春兰 ¹ ; 杨贵军 ² ; 李贺丽 ² ; 汤伏全 ² ; 刘畅 ² ; 张丽妍 ³ ;

作者机构： 1.西安科技大学测绘科学与技术学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心

2.;西安科技大学测绘科学与技术学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心

3.;西安科技大学测绘科学与技术学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心;

关键词： 无人机;高光谱;叶面积指数;随机森林;冬小麦

期刊名称： 中国农业科学

ISSN： 0578-1752

年卷期： 2018 年 05 期

页码： 855-867

收录情况： 北大核心 ; CSCD

摘要： 【目的】通过利用随机森林算法(random forest,RF)反演冬小麦叶面积指数(leaf area index,LAI),及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析(correlation coefficient,r)和袋外数据(out-of-bag data,OOB)重要性分析与随机森林算法(random forest,RF)相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数(R~2)分别为0.805、0.899,均方根误差(RMSE)分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R~2为0.761,RMSE为0.320,数值范围(1.02—6.41)与地面实测(1.29—6.81)亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。