| 应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算 |
| |
| 引用本文： | 付元元,王纪华,杨贵军,宋晓宇,徐新刚,冯海宽.应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算[J].光谱学与光谱分析,2013,32(5):1315-1319. |
| |
| 作者姓名： | 付元元 王纪华 杨贵军 宋晓宇 徐新刚 冯海宽 |
| |
| 作者单位： | 1. 浙江大学遥感与信息技术应用研究所,浙江杭州310029;北京农业信息技术研究中心,北京 100097;农业部农业信息技术重点实验室,北京100097
2. 北京农业信息技术研究中心,北京 100097;农业部农业信息技术重点实验室,北京100097 |
| |
| 基金项目： | 国家重点基础研究发展计划(973计划)项目，国家自然科学基金项目，北京市优秀人才培养资助项目，北京市农林科学院科技创新能力建设专项，北京市自然科学基金项目，中国科学院遥感应用研究所遥感科学国家重点实验室开放基金项目 |
| |
| 摘 要： | 当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。
|
| 关 键 词： | 高光谱遥感 冬小麦 生物量 波段深度分析 偏最小二乘回归 |
Band Depth Analysis and Partial Least Square Regression Based Winter Wheat Biomass Estimation Using Hyperspectral Measurements |
| |
| FU Yuan-yuan
,
WANG Ji-hua
,
YANG Gui-jun
,
SONG Xiao-yu
,
XU Xin-gang
,
FENG Hai-kuan.Band Depth Analysis and Partial Least Square Regression Based Winter Wheat Biomass Estimation Using Hyperspectral Measurements[J].Spectroscopy and Spectral Analysis,2013,32(5):1315-1319. |
| |
| Authors: | FU Yuan-yuan WANG Ji-hua YANG Gui-jun SONG Xiao-yu XU Xin-gang FENG Hai-kuan |
| |
| Institution: | 2,3 1.Institute of Applied Remote Sensing & Information Technology,Zhejiang University,Hangzhou 310029,China 2.Beijing Research Center for Information Technology in Agriculture,Beijing 100097,China 3.Key Laboratory of Agri-informatics,Ministry of Agriculture,Beijing 100097,China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
