基于赤池信息量准则的冬小麦叶面积指数估算

被引：12

作者：

杨福芹 ^{[1
,2
]}

冯海宽 ^{[2
,3
]}

李振海 ^{[3
,4
]}

金秀良 ^{[3
,4
]}

杨贵军 ^{[2
,3
]}

戴华阳 ^{[1
]}

机构：

[1] 中国矿业大学北京地球科学与测绘工程学院

[2] 国家农业信息化工程技术研究中心

[3] 农业部农业信息技术重点实验室

[4] 不详

来源：

农业机械学报 | 2015年 / 46卷 / 11期

基金：

北京市自然科学基金;

关键词：

冬小麦; 叶面积指数; 估算; 赤池信息量准则;

D O I：

暂无

中图分类号：

S512.11 [];

学科分类号：

摘要：

冬小麦叶面积指数(LAI)是重要的农学参数之一,对冬小麦长势分析、产量预测具有重要意义。使用2008/2009年在中国北京市通州区和顺义区获取的整个生育期冬小麦叶面积指数和对应的光谱数据,将相关系数(|r|)-赤池信息量准则(AIC)、灰色关联分析(GRA)-AIC、变量投影重要性(VIP)-AIC、VIP-预测残差平方和(PRESS)系数分别与偏最小二乘法(PLS)进行整合,提出利用AIC择优构建冬小麦LAI估算模型,并与传统PRESS方法构建的冬小麦LAI模型进行比较。结果表明:|r|-PLS-AIC、GRA-PLS-AIC、VIP-PLS-AIC、VIP-PLS-PRESS建模的R2分别为0.72、0.67、0.73和0.70,VIP-PLS-AIC比|r|-PLS-AIC、GRA-PLS-AIC和VIP-PLS-PRESS有更好的冬小麦LAI预测能力。考虑到冬小麦LAI的时域特性,将2009/2010年相关数据引入模型中,评价模型对不同年际的冬小麦估测能力。研究表明VIP-PLS-AIC(RMSE为0.81)较|r|-PLS-AIC(RMSE为0.87)、GRA-PLS-AIC(RMSE为0.96)和VIPPLS-PRESS(RMSE为0.83)有更高的精度。将AIC作为冬小麦LAI最优估测模型筛选条件不仅能获得同年LAI的最优估算模型,而且适用于不同年际的冬小麦LAI探测研究。

引用

页码：112 / 120+164 +164

页数：10

共 26 条

[1] 基于MK-SVR模型的小麦叶面积指数遥感反演 [J].