基于支持向量机的水稻叶面积指数高光谱估算模型研究

被引：14

作者：

杨晓华 ^{[1
]}

黄敬峰 ^{[1
]}

王秀珍 ^{[2
]}

王福民 ^{[1
]}

机构：

[1] 浙江大学遥感与信息技术应用研究所

[2] 浙江省气象局

来源：

光谱学与光谱分析 | 2008年 / 08期

关键词：

支持向量机; 高光谱; 叶面积指数;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP181 [自动推理、机器学习];

学科分类号：

摘要：

为了研究支持向量机(SVM)对于作物农学参数高光谱估算的能力,通过大田小区试验,测定了2个品种、3个供氮水平处理的水稻在不同生长期的冠层高光谱反射率(350～2500nm)。依据Ladsat-5的TM传感器波段宽度,将高光谱反射率转换为10种不同的植被指数。利用所有样本的植被指数和水稻叶面积指数(LAI),通过不同统计模型的模拟分析,依据模型的R2选取了三种相关性较高的统计关系(包括NDVIgreen的指数关系、TCARI/OSAVI的乘幂关系和RVI2的乘幂关系)。对这三种关系,通过具有不同核函数的SVM模型和相应统计模型对LAI进行估算。结果表明:所有的SVM模型都具有较低的均方根误差值,估算精度都高于相应的统计模型;基于TCARI/OSAVI的POLY核SVM具有最高的估算精度,其RMSE比相应的统计模型降低近11个百分点。因此,SVM方法用于水稻LAI高光谱估算具有良好的学习能力和鲁棒性。

引用

页码：1837 / 1841

页数：5