為尋求高效的水稻產(chǎn)量估算方法,以2017年長(zhǎng)春市九臺(tái)和德惠地區(qū)的采樣點(diǎn)為樣本,遙感數(shù)據(jù)和氣象數(shù)據(jù)為特征變量,通過(guò)對(duì)產(chǎn)量與特征變量間的相關(guān)性分析與特征變量之間的主成分分析和袋外數(shù)據(jù)(out-of-data,OOB)變量的重要性分析對(duì)特征變量進(jìn)行選擇,以選擇后的特征變量為輸入變量建立水稻產(chǎn)量估算的隨機(jī)森林回歸(RFR)模型。結(jié)果表明:特征變量?jī)?yōu)選后的RFR模型對(duì)水稻產(chǎn)量估算的精度更高,決定系數(shù)R²和平均相對(duì)誤差MRE分別為0.950和0.060;并將該模型應(yīng)用到農(nóng)安地區(qū),以多元逐步回歸模型作為比較模型,表明RFR模型的水稻產(chǎn)量估算精度明顯優(yōu)于多元逐步回歸模型,RFR模型的R²和MRE分別為0.730和0.090,多元逐步回歸模型的R²和MRE分別為0.530和0.120。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1研究區(qū)2017水稻采樣點(diǎn)分布圖

圖2RFR模型原理流程圖

圖3決策樹(shù)與袋外誤差關(guān)系圖

圖4特征變量重要性排序圖

本文編號(hào)：3906764