光谱指数筛选方法与统计回归算法结合的水稻估产模型对比

作者：王耀民; 陈皓锐^*; 陈俊英; 王慧芸; 邢正; 张智韬

来源：农业工程学报, 2021, 37(21): 208-216.

• 遥感
• 产量
• 模型
• 水稻
• 支持向量机
• 指数筛选方法

为了探寻高效的水稻产量估算方法,在获取2019年黑龙江省三江平原别拉洪河流域内水稻产量数据和MOD09A1遥感数据基础上,对比不同指数筛选方法和统计回归算法结合的建模估产效果,以得到其中最佳的产量估算模型。通过相关系数(correlation coefficient,r)分析法、变量投影重要性(Variable Importance in Projection,VIP)分析法和袋外数据重要性(Out-Of-Bag data importance,OOB)分析法分析水稻4个生育期(分蘖期、抽穗期、孕穗期和乳熟期)的不同波段和光谱指数对于水稻产量的敏感性,筛选出特征波段和指数,再结合随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)和偏最小二乘(Partial Least Squares,PLS)3种统计回归方法,构建了9种水稻产量估算模型:r-RF、r-SVM、r-PLS、VIP-RF、VIP-SVM、VIP-PLS、OOB-RF、OOB-SVM、OOB-PLS。结果表明:同一指数筛选方法对不同模型的契合程度不同,OOB与RF更为契合,VIP和r与PLS更为契合,r与SVM更为契合;在3种建模方法中偏最小二乘模型和支持向量机模型有较好的效果,随机森林模型效果最好,其中OOB-RF模型最优,其模型验证决定系数为0.742,均方根误差为206kg/hm2。研究结果可为水稻产量估算模型研究提供参考,具有一定的理论意义。

• 单位
  中国水利水电科学研究院; 西北农林科技大学; 流域水循环模拟与调控国家重点实验室; 建筑工程学院