首页 > 论文 > 光谱学与光谱分析 > 34卷 > 5期(pp:1352-1356)

冬小麦叶面积指数遥感反演方法比较研究

Comparative Study on Remote Sensing Invertion Methods for Estimating Winter Wheat Leaf Area Index

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

叶面积指数(leaf area index, LAI)是反映作物生长状况和进行产量预测预报的主要指标之一, 对诊断作物生长状况具有重要意义。 遥感技术为大面积、 快速监测植被LAI提供了有效途径。 利用高光谱遥感影像, 结合田间同步实验数据, 探讨不同方法对冬小麦叶面积指数遥感反演的能力。 介绍了支持向量机、 离散小波变换、 连续小波变换和主成分分析四种LAI反演方法。 分别利用上述四种方法构建冬小麦LAI反演模型, 并对不同算法反演的LAI模型进行了真实性检验。 结果显示, 支持向量机非线性回归模型精度最高, 对冬小麦LAI估算能力最强, 反演值与实测值拟合的决定系数为0.823 4、 均方根误差为0.419 5。 离散小波变换法和主成分分析法都是基于特征提取和数据降维, 其多元变量回归分析对LAI估算能力相近, 决定系数分别为0.697 1和0.692 4, 均方根误差分别为0.605 8和0.554 1。 连续小波变换法回归模型精度最低, 不适宜直接用其小波系数来反演LAI。 结果表明, 非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。

Abstract

The present study aims to explore capability of different methods for winter wheat leaf area index inversion by integrating remote sensing image and synchronization field experiment. There were four kinds of LAI inversion methods discussed, specifically, support vector machines (SVM), discrete wavelet transform (DWT), continuous wavelet transform (CWT) and principal component analysis (PCA). Winter wheat LAI inversion models were established with the above four methods respectively, then estimation precision for each model was analyzed. Both discrete wavelet transform method and principal component analysis method are based on feature extraction and data dimension reduction, and multivariate regression models of the two methods showed comparable accuracy (R2 of DWT and PCA model was 0.697 1 and 0.692 4 respectively; RMSE was 0.605 8 and 0.554 1 respectively). While the model based on continuous wavelet transform suffered the lowest accuracy and didn’t seem to be qualified to inverse LAI. It was indicated that the nonlinear regression model with support vector machines method is the most eligible model for estimating winter wheat LAI in the study area.

Newport宣传-MKS新实验室计划
补充资料

中图分类号:TP79

DOI:10.3964/j.issn.1000-0593(2014)05-1352-05

基金项目:中国科学院计划项目(黄文江), 国家自然科学基金项目(41271412)项目和安徽省高等学校省级自然科学研究项目(KJ2013A026)资助

收稿日期:2013-07-10

修改稿日期:2013-11-15

网络出版日期:--

作者单位    点击查看

谢巧云: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
黄文江: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
蔡淑红:河北省农业技术推广总站, 河北 石家庄050011
梁栋: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
彭代亮: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
张清: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
黄林生: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
杨贵军:北京农业信息技术研究中心, 北京100097
张东彦: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

联系人作者:谢巧云(xieqiaoyun2011@gmail.com)

备注:谢巧云, 女, 1989年生, 中国科学院遥感与数字地球研究所硕士研究生

【1】WANG Ji-hua, ZHAO Chun-jiang, HUANG Wen-jiang, et al(王纪华, 赵春江, 黄文江, 等). Quantitative Remote Sensing Theory and Application in Agriculture(农业定量遥感基础与应用). Beijing: Science Press(北京: 科学出版社), 2008.

【2】Huang Wenjiang, Huang Muyi, Liu Liangyun, et al. Transactions of the Chinese Society of Agricultural Engineering, 2005, 21(4): 97.

【3】XING Ya-juan, LIU Dong-sheng, WANG Peng-xin(邢雅娟, 刘东升, 王鹏新). Advances in Eerth Science(地球科学进展), 2009, 24(4): 444.

【4】Darvishzadeh R, Atzberger C, Skidmore A K. International Journal of Remote Sensing, 2009, 30(23): 6199.

【5】Zhao D H, Yang T W, An S Q. International Journal of Applied Earth Observation and Geoinformation, 2012, 14(1): 169.

【6】CHEN Peng-fei, YANG Fei, DU Jia(陈鹏飞, 杨飞, 杜佳). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2013, 29(11): 124.

【7】Li Xiaowen, Strahler A H. IEEE Trans. Geosic. Rem. Sens., 1995, 33: 466.

【8】LI Xin-chuan, XU Xin-gang, BAO Yan-song, et al(李鑫川, 徐新刚, 鲍艳松, 等). Scientia Agricultura Sinica(中国农业科学), 2012, 45(17): 3486.

【9】Corinna Cortes, Vladimir Vapnik. Machine Learning, 1995, 20(3): 273.

【10】Vahid Nourani, Aida Hosseini Baghanam, Jan Adamowski, et al. Journal of Hydrology, 2013, 476: 228.

【11】LIU Rong-yuan, WANG Ji-hua, YANG Gui-jun, et al(刘镕源, 王纪华, 杨贵军, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2011, 27(3): 220.

【12】George Alan Blackburn, Jelle Garke Ferwerda. Remote Sensing of Environment, 2008, 112: 1614.

引用该论文

XIE Qiao-yun,HUANG Wen-jiang,CAI Shu-hong,LIANG Dong,PENG Dai-liang,ZHANG Qing,HUANG Lin-sheng,YANG Gui-jun,ZHANG Dong-yan. Comparative Study on Remote Sensing Invertion Methods for Estimating Winter Wheat Leaf Area Index[J]. Spectroscopy and Spectral Analysis, 2014, 34(5): 1352-1356

谢巧云,黄文江,蔡淑红,梁栋,彭代亮,张清,黄林生,杨贵军,张东彦. 冬小麦叶面积指数遥感反演方法比较研究[J]. 光谱学与光谱分析, 2014, 34(5): 1352-1356

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF