基于随机森林算法的冬小麦生物量遥感估算模型对比

为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法（random forest,RF）将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析（correlation coefficient,r）、袋外数据（out-of-bag data,OOB）重要性和灰色关联分析（grey relational analysis,GRA）与随机森林算法（RF）进行整合,构建了3种冬小麦生物量估算模型：r-RF、OOB-RF和GRA-...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 32; no. 18; pp. 175 - 182
Main Author 岳继博 杨贵军 冯海宽
Format Journal Article
LanguageChinese
Published 河南理工大学测绘与国土信息工程学院，焦作，454000 2016
北京市农业物联网工程技术研究中心，北京 100097
农业部农业信息技术重点实验室，北京 100097
国家农业信息化工程技术研究中心，北京100097
北京农业信息技术研究中心，北京 100097%北京农业信息技术研究中心，北京 100097
Subjects
冬小麦
模型
灰色关联
生物量
遥感
随机森林
biomass
grey relational analysis
生物量
灰色关联
随机森林
模型
remote sensing
random forest algorithm
model
遥感
winter wheat
冬小麦
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2016.18.024

Cover

More Information
Summary:为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法（random forest,RF）将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析（correlation coefficient,r）、袋外数据（out-of-bag data,OOB）重要性和灰色关联分析（grey relational analysis,GRA）与随机森林算法（RF）进行整合,构建了3种冬小麦生物量估算模型：r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明：r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m^2,均方根误差分别为0.218、0.221和0.236 kg/m^2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。
Bibliography:11-2047/S
Yue Jibo1,2, Yang Guijun2,3,4,5, Feng Haikuan2,3,4,5 （1. School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, China; 2. Beijing Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 4. Key Laboratory of Agriinformatics Ministry of Agriculture, Beijing 100097, China; 5. Beijing Engineering Research Center of Agricultural Internet of Things, Beijing 100097, China）
remote sensing; biomass; model; winter wheat; random forest algorithm; grey relational analysis
Biomass is one of important agricultural crop parameters, and has significant meanings in agriculture production management and decision-making. The estimated of biomass by remote sensing is of great importance for the real-time and dynamic crop information and can be acquired by remote sensing detection technology. The random forest algorithm（RF）, from which machine learn
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2016.18.024