【摘要】：冬小麥葉面積指數(shù)(leaf area index,LAI)是描述冠層結(jié)構(gòu)的重要參數(shù)之一,對(duì)評(píng)價(jià)其長(zhǎng)勢(shì)和預(yù)測(cè)產(chǎn)量具有重要意義。該文利用灰色關(guān)聯(lián)分析(grey relational analysis,GRA)對(duì)植被指數(shù)進(jìn)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(gè)數(shù)作為自變量進(jìn)行回歸建模,通過(guò)赤池信息量準(zhǔn)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(guó)北京通州區(qū)和順義區(qū)獲取的整個(gè)生育期冬小麥LAI和配套的光譜數(shù)據(jù)進(jìn)行建模,利用2009-2010相關(guān)數(shù)據(jù)進(jìn)行驗(yàn)證。研究表明:采用GRA評(píng)價(jià)標(biāo)準(zhǔn)與冬小麥LAI關(guān)聯(lián)度最大的植被指數(shù)是VOG1,關(guān)聯(lián)度最小的植被指數(shù)是SR;通過(guò)AIC建立的以8個(gè)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(biāo)準(zhǔn)誤SE分別為0.76和0.009,驗(yàn)證集的R2和相對(duì)均方根誤差RRMSE分別為0.63和0.004,預(yù)測(cè)模型和驗(yàn)證模型均具有較高的精度和可靠性。結(jié)果表明采用GRA-PLS-AIC方法進(jìn)行冬小麥LAI反演是可行的,為提高冬小麥LAI遙感預(yù)測(cè)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(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院;國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心;農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室;北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心;河南工程學(xué)院土木工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(41471285) 北京市自然科學(xué)基金項(xiàng)目(4141001) 北京市農(nóng)林科學(xué)院科技創(chuàng)新能力建設(shè)項(xiàng)目(KJCX20140417) 地理空間信息工程國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室經(jīng)費(fèi)資助項(xiàng)目(201417)
【分類號(hào)】：S512.11;TP79

【參考文獻(xiàn)】

相關(guān)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(jī)估測(cè)冬小麥葉面積指數(shù)[J];麥類作物學(xué)報(bào);2014年09期

2 金順發(fā);王遺寶;徐毓莉;金森發(fā);;AIC準(zhǔn)則及其在作物產(chǎn)量多項(xiàng)式模型中的應(yīng)用[J];上海農(nóng)業(yè)學(xué)報(bào);1985年03期

3 李振海;徐新剛;金秀良;張競(jìng)成;宋曉宇;宋森楠;楊貴軍;王紀(jì)華;;基于氮素運(yùn)轉(zhuǎn)原理和GRA-PLS算法的冬小麥籽粒蛋白質(zhì)含量遙感預(yù)測(cè)[J];中國(guó)農(nóng)業(yè)科學(xué);2014年19期

【共引文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王麗愛(ài);譚昌偉;馬昌;童璐;楊昕;崔懷洋;郭文善;;農(nóng)情信息遙感監(jiān)測(cè)預(yù)報(bào)模型構(gòu)建算法研究進(jìn)展[J];江蘇農(nóng)業(yè)科學(xué);2013年11期

2 鄭東東;李穎;赫曉慧;胡程達(dá);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(xué);2015年04期

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

相關(guān)碩士學(xué)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(cè)研究[D];山西農(nóng)業(yè)大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋曉宇;王紀(jì)華;閻廣建;黃文江;劉良云;;基于多時(shí)相航空高光譜遙感影像的冬小麥長(zhǎng)勢(shì)空間變異研究[J];光譜學(xué)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(jì)華;;基于新型植被指數(shù)對(duì)冬小麥蛋白質(zhì)含量的估算研究[J];光譜學(xué)與光譜分析;2013年09期

3 董瑩瑩;王紀(jì)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(xué)報(bào);2011年02期

4 宋開(kāi)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(xué)雜志;2007年10期

5 黃文江,王紀(jì)華,劉良云,趙春江,宋曉宇,馬智宏;冬小麥品質(zhì)的影響因素及高光譜遙感監(jiān)測(cè)方法[J];遙感技術(shù)與應(yīng)用;2004年03期

6 王紀(jì)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(zhì)指標(biāo)研究[J];遙感學(xué)報(bào);2003年04期

7 李衛(wèi)國(guó);王紀(jì)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(zhì)含量預(yù)測(cè)模型[J];遙感學(xué)報(bào);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(guān)系[J];應(yīng)用生態(tài)學(xué)報(bào);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(yù)測(cè)小麥籽粒蛋白質(zhì)和淀粉的積累[J];中國(guó)農(nóng)業(yè)科學(xué);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(zhì)含量及相關(guān)品質(zhì)指標(biāo)的定量關(guān)系[J];中國(guó)農(nóng)業(yè)科學(xué);2005年07期

相關(guān)碩士學(xué)位論文 前1條

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

【相似文獻(xiàn)】

相關(guān)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(zhǎng)與葉面積指數(shù)的研究[J];湖北農(nóng)業(yè)科學(xué);1975年08期

2 莫家讓;;水稻葉面積指數(shù)簡(jiǎn)易測(cè)定法[J];農(nóng)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(jì)算[J];內(nèi)蒙古農(nóng)業(yè)科技;1975年07期

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

5 鄭春和;;怎樣用鮮重法測(cè)定小麥的葉面積指數(shù)[J];植物學(xué)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(cè)定葉面積指數(shù)的方法[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)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(guān)于巴西橡膠樹(shù)林葉面積指數(shù)的研究[J];熱帶作物學(xué)報(bào);1981年02期

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

10 莫家讓;;水稻葉面積指數(shù)測(cè)定法簡(jiǎn)介[J];廣西農(nóng)業(yè)科學(xué);1978年08期

相關(guān)會(huì)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(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)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(huì)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(huì)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(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)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(huì)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(cè)的最佳高光譜參數(shù)研究[A];中國(guó)作物學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文摘要集[C];2013年

7 呂蕓帙;楊旭;駱祖瑩;;基于無(wú)線傳感器網(wǎng)絡(luò)的植被葉面積指數(shù)測(cè)量方法[A];第六屆中國(guó)測(cè)試學(xué)術(shù)會(huì)議論文集[C];2010年

8 夏帆;;基于MODIS數(shù)據(jù)的長(zhǎng)江流域生態(tài)環(huán)境質(zhì)量評(píng)價(jià)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)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(chǎn)品驗(yàn)證分析[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

10 楊鵬;李春強(qiáng);;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(guó)氣象學(xué)會(huì)年會(huì)S5 干旱災(zāi)害風(fēng)險(xiǎn)評(píng)估與防控[C];2014年

相關(guān)重要報(bào)紙文章 前1條

1 李濟(jì) 供稿;理科綜合測(cè)試模擬（四）[N];山西科技報(bào);2003年

相關(guān)博士學(xué)位論文 前1條

1 駱社周;激光雷達(dá)遙感森林葉面積指數(shù)提取方法研究與應(yīng)用[D];中國(guó)地質(zhì)大學(xué)(北京);2012年

相關(guān)碩士學(xué)位論文 前10條

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

3 高紀(jì)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(xué);2015年

4 弓瑞;興安落葉松葉面積指數(shù)反演與驗(yàn)證研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2008年

5 張榮霞;不同作物多種葉面積指數(shù)獲取方法對(duì)比研究[D];華中農(nóng)業(yè)大學(xué);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(xué);2014年

7 于浩;便攜式活體葉面積測(cè)量?jī)x的研制[D];哈爾濱工業(yè)大學(xué);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(nóng)林大學(xué);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(xué);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(xué);2013年

，

本文編號(hào)：2412239