基于XGBoost算法的草甸地上生物量的高光谱遥感反演

摘要：

准确、高效获取草甸地上生物量信息,对牧区农牧业生产、草地资源管理、牧草可持续利用具有重要意义.本研究基于实地采集的牧草冠层光谱反射率及同期获取的地上生物量数据,运用互信息法分别分析了微分光谱、优化植被指数与草甸地上生物量的相关性,进一步构建了极限梯度提升(XGBoost)算法与不同阶光谱植被指数数据集的草甸地上生物量模拟估算模型,并与多元线性回归(MLR)和随机森林(RF)算法建立的模型进行对比.结果表明:对光谱反射率进行一阶、二阶微分与光谱植被指数变换协同应用,有助于提高冠层光谱与地上生物量的相关性;基于原始光谱植被指数与XGBoost算法构建的草甸地上生物量模拟估算模型效果最佳,均方根误差(RMSE)为140.26 g·m-2,平均绝对误差(MAE)为97.20 g·m-2,Nash效率系数(NSE)为0.81,一致性指数(d)为0.94,其次为基于RF算法构建的模型,MLR算法构建的模型精度较差.研究认为XGBoost算法可适用于草甸地上生物量模拟估算模型的建立,为快速准确的牧草高光谱遥感监测提供了技术和方法,为区域性草地高精度大面积生产力估算奠定了基础.

关键词：地上生物量、XGBoost算法、高光谱反射率、植被指数

所属期刊栏目：30

资助基金：国家自然科学基金项目;内蒙古自然科学基金项目;教育部创新团队发展计划;科技部重点领域科技创新团队;内蒙古农业大学高层次人才科研启动金项目;内蒙古自治区草原英才产业创新创业人才团队;内蒙古农业大学寒旱区水资源利用创新团队;内蒙古农业大学学生科技创新基金项目

在线出版日期：2021-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12