發(fā)布時間：2019-01-20 17:37

【摘要】：冬小麥葉面積指數(shù)(leaf area index,LAI)是描述冠層結構的重要參數(shù)之一,對評價其長勢和預測產量具有重要意義。該文利用灰色關聯(lián)分析(grey relational analysis,GRA)對植被指數(shù)進行排序,用偏最小二乘法(partial least squares regression,PLS)選擇不同的植被指數(shù)個數(shù)作為自變量進行回歸建模,通過赤池信息量準則(Akaike’s information criterion,AIC)選擇AIC值最小的模型作為冬小麥LAI最優(yōu)估算模型,即GRA、PLS和AIC 3種方法整合建立冬小麥LAI最優(yōu)估算模型。使用2008-2009年在中國北京通州區(qū)和順義區(qū)獲取的整個生育期冬小麥LAI和配套的光譜數(shù)據(jù)進行建模,利用2009-2010相關數(shù)據(jù)進行驗證。研究表明:采用GRA評價標準與冬小麥LAI關聯(lián)度最大的植被指數(shù)是VOG1,關聯(lián)度最小的植被指數(shù)是SR;通過AIC建立的以8個植被指數(shù)作為自變量的冬小麥LAI模型效果最優(yōu),建模集的決定系數(shù)R2和標準誤SE分別為0.76和0.009,驗證集的R2和相對均方根誤差RRMSE分別為0.63和0.004,預測模型和驗證模型均具有較高的精度和可靠性。結果表明采用GRA-PLS-AIC方法進行冬小麥LAI反演是可行的,為提高冬小麥LAI遙感預測精度提供了一種有效的方法。
[Abstract]:The leaf area index (leaf area index,LAI) of winter wheat is one of the important parameters to describe the canopy structure. In this paper, (grey relational analysis,GRA (grey relational analysis) is used to sort vegetation index, and (partial least squares regression,PLS (partial least square method) is used to select different numbers of vegetation indices as independent variables for regression modeling. The model of minimum AIC value was selected as the best LAI estimation model of winter wheat by (Akaike's information criterion,AIC (Red Pool Information quantity Criterion), that is, GRA,PLS and AIC combined three methods to establish the LAI optimal estimation model of winter wheat. The LAI of winter wheat and its corresponding spectral data obtained in Tongzhou District and Shunyi District of Beijing from 2008 to 2009 were used to model the model. The data from 2009-2010 were used to verify the model. The results show that the largest vegetation index with LAI correlation degree of winter wheat using GRA evaluation criterion is SR; with the lowest VOG1, correlation degree. The LAI model of winter wheat with eight vegetation indices as independent variables was established by AIC. The determination coefficient R2 and the standard error SE of the model set were 0.76 and 0.009, respectively. The R2 and RMS errors of the verification set are 0.63 and 0.004, respectively. The prediction model and the verification model have high accuracy and reliability. The results show that the LAI inversion of winter wheat using GRA-PLS-AIC method is feasible and provides an effective method for improving the precision of LAI remote sensing prediction of winter wheat.
【作者單位】： 中國礦業(yè)大學(北京)地球科學與測繪工程學院;國家農業(yè)信息化工程技術研究中心;農業(yè)部農業(yè)信息技術重點實驗室;北京市農業(yè)物聯(lián)網工程技術研究中心;河南工程學院土木工程學院;
【基金】：國家自然科學基金(41471285) 北京市自然科學基金項目(4141001) 北京市農林科學院科技創(chuàng)新能力建設項目(KJCX20140417) 地理空間信息工程國家測繪地理信息局重點實驗室經費資助項目(201417)
【分類號】：S512.11;TP79

【參考文獻】

相關期刊論文 前3條

1 蔡慶空;蔣金豹;陶亮亮;胡丹娟;崔希民;;聯(lián)合主成分分析與最小二乘支持向量機估測冬小麥葉面積指數(shù)[J];麥類作物學報;2014年09期

2 金順發(fā);王遺寶;徐毓莉;金森發(fā);;AIC準則及其在作物產量多項式模型中的應用[J];上海農業(yè)學報;1985年03期

3 李振海;徐新剛;金秀良;張競成;宋曉宇;宋森楠;楊貴軍;王紀華;;基于氮素運轉原理和GRA-PLS算法的冬小麥籽粒蛋白質含量遙感預測[J];中國農業(yè)科學;2014年19期

【共引文獻】

相關期刊論文 前3條

1 王麗愛;譚昌偉;馬昌;童璐;楊昕;崔懷洋;郭文善;;農情信息遙感監(jiān)測預報模型構建算法研究進展[J];江蘇農業(yè)科學;2013年11期

2 鄭東東;李穎;赫曉慧;胡程達;郭恒亮;;利用不同方法反演冬小麥葉面積指數(shù)研究[J];氣象與環(huán)境科學;2015年04期

3 李栓明;郭銀巧;王克如;謝瑞芝;戴建國;肖春華;李靜;李少昆;;小麥籽粒蛋白質光譜特征變量篩選方法研究[J];中國農業(yè)科學;2015年12期

相關碩士學位論文 前1條

1 宋月荷;冬小麥氮素積累量的高光譜遙感監(jiān)測研究[D];山西農業(yè)大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 宋曉宇;王紀華;閻廣建;黃文江;劉良云;;基于多時相航空高光譜遙感影像的冬小麥長勢空間變異研究[J];光譜學與光譜分析;2010年07期

2 金秀良;徐新剛;李振海;王芊;王妍;李存軍;王紀華;;基于新型植被指數(shù)對冬小麥蛋白質含量的估算研究[J];光譜學與光譜分析;2013年09期

3 董瑩瑩;王紀華;李存軍;楊貴軍;宋曉宇;顧曉鶴;黃文江;;基于數(shù)據(jù)分割與主成分分析的LAI遙感估算[J];紅外與毫米波學報;2011年02期

4 宋開山;張柏;王宗明;劉殿偉;劉煥軍;楊飛;;基于小波分析的大豆葉面積高光譜反演[J];生態(tài)學雜志;2007年10期

5 黃文江,王紀華,劉良云,趙春江,宋曉宇,馬智宏;冬小麥品質的影響因素及高光譜遙感監(jiān)測方法[J];遙感技術與應用;2004年03期

6 王紀華,黃文江,趙春江,楊敏華,王之杰;利用光譜反射率估算葉片生化組分和籽粒品質指標研究[J];遙感學報;2003年04期

7 李衛(wèi)國;王紀華;趙春江;劉良云;宋曉宇;童慶禧;;基于NDVI和氮素積累的冬小麥籽粒蛋白質含量預測模型[J];遙感學報;2008年03期

8 田永超;楊杰;姚霞;朱艷;曹衛(wèi)星;;高光譜植被指數(shù)與水稻葉面積指數(shù)的定量關系[J];應用生態(tài)學報;2009年07期

9 田永超,朱艷,曹衛(wèi)星,范雪梅,劉小軍;利用冠層反射光譜和葉片SPAD值預測小麥籽粒蛋白質和淀粉的積累[J];中國農業(yè)科學;2004年06期

10 李映雪,朱艷,田永超,尤小濤,周冬琴,曹衛(wèi)星;小麥冠層反射光譜與籽粒蛋白質含量及相關品質指標的定量關系[J];中國農業(yè)科學;2005年07期

相關碩士學位論文 前1條

1 曹明霞;灰色關聯(lián)分析模型及其應用的研究[D];南京航空航天大學;2007年

【相似文獻】

相關期刊論文 前10條

1 J.G.布哈特;棉花不同形態(tài)品種葉片生長與葉面積指數(shù)的研究[J];湖北農業(yè)科學;1975年08期

2 莫家讓;;水稻葉面積指數(shù)簡易測定法[J];農業(yè)科技通訊;1975年09期

3 趙福;;葉面積和葉面積指數(shù)的計算[J];內蒙古農業(yè)科技;1975年07期

4 ;怎樣用鮮重法測定小麥的葉面積指數(shù)[J];甘肅農業(yè)科技;1976年04期

5 鄭春和;;怎樣用鮮重法測定小麥的葉面積指數(shù)[J];植物學雜志;1976年01期

6 ;介紹一種小麥生育后期和玉米不拔取樣株測定葉面積指數(shù)的方法[J];北京師范大學學報(自然科學版);1977年02期

7 沈瑞庭;李錫坤;;介}9幾種葉面積的n,定方法[J];蠶桑茶葉通訊;1980年01期

8 胡耀華;伍業(yè)綱;王釗;舒宜通;;關于巴西橡膠樹林葉面積指數(shù)的研究[J];熱帶作物學報;1981年02期

9 W·G·貝利;R·B·斯圖爾特;朱胤椿;;葉面積的測定方法[J];青海農林科技;1982年03期

10 莫家讓;;水稻葉面積指數(shù)測定法簡介[J];廣西農業(yè)科學;1978年08期

相關會議論文 前10條

1 姚冬萍;;融合多源遙感數(shù)據(jù)估算地表葉面積指數(shù)[A];中國地理學會百年慶典學術論文摘要集[C];2009年

2 陳雪洋;蒙繼華;吳炳方;朱建軍;紐立明;杜鑫;;基于環(huán)境星高光譜數(shù)據(jù)紅邊參數(shù)的冬小麥葉面積指數(shù)反演[A];遙感定量反演算法研討會摘要集[C];2010年

3 高帥;;利用ENVISAT-ASAR數(shù)據(jù)的植被葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

4 張娜;;半干旱天然草地葉面積指數(shù)反演模型[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

5 孫永華;宮輝力;李小娟;浦瑞良;周德民;;基于高光譜的三江平原濕地葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

6 曹中盛;朱艷;田永超;曹衛(wèi)星;姚霞;;小麥葉面積指數(shù)估測的最佳高光譜參數(shù)研究[A];中國作物學會2013年學術年會論文摘要集[C];2013年

7 呂蕓帙;楊旭;駱祖瑩;;基于無線傳感器網絡的植被葉面積指數(shù)測量方法[A];第六屆中國測試學術會議論文集[C];2010年

8 夏帆;;基于MODIS數(shù)據(jù)的長江流域生態(tài)環(huán)境質量評價[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 劉倩;;2000-2010年三江源地區(qū)MODIS葉面積指數(shù)及FPAR產品驗證分析[A];遙感定量反演算法研討會摘要集[C];2010年

10 楊鵬;李春強;;基于MODIS數(shù)據(jù)的河北省冬小麥葉面積指數(shù)模型研究[A];第31屆中國氣象學會年會S5 干旱災害風險評估與防控[C];2014年

相關重要報紙文章 前1條

1 李濟 供稿;理科綜合測試模擬（四）[N];山西科技報;2003年

相關博士學位論文 前1條

1 駱社周;激光雷達遙感森林葉面積指數(shù)提取方法研究與應用[D];中國地質大學(北京);2012年

相關碩士學位論文 前10條

1 張麗麗;中國森林與農田遙感葉面積指數(shù)產品精度分析[D];南京信息工程大學;2015年

2 劉杰;森林冠層葉面積指數(shù)遙感反演方法研究[D];南京信息工程大學;2015年

3 高紀青;基于地面激光掃描的活立木葉面積指數(shù)研究[D];南京林業(yè)大學;2015年

4 弓瑞;興安落葉松葉面積指數(shù)反演與驗證研究[D];內蒙古農業(yè)大學;2008年

5 張榮霞;不同作物多種葉面積指數(shù)獲取方法對比研究[D];華中農業(yè)大學;2013年

6 唐思凌;半干旱區(qū)沙生灌木群落葉面積指數(shù)季節(jié)變異性研究[D];北京林業(yè)大學;2014年

7 于浩;便攜式活體葉面積測量儀的研制[D];哈爾濱工業(yè)大學;2009年

8 朱旭珍;三種不同方法估算森林葉面積指數(shù)的比較研究[D];浙江農林大學;2014年

9 周洪奎;黃淮海平原典型區(qū)夏玉米葉面積指數(shù)遙感估算研究[D];南京大學;2013年

10 周洋;基于星載高光譜影像的貢格爾草地葉面積指數(shù)研究[D];福建師范大學;2013年

，

本文編號：2412239