联合主成分分析与最小二乘支持向量机估测冬小麦叶面积指数

摘要：

利用单一植被指数估测叶面积指数存在高光谱遥感丰富的波段信息易丢失和外界因素干扰大的缺点,但若将波段信息全部引入模型又会增加建模难度.为解决利用多波段信息估测叶面积指数的问题,利用主成分分析法(PCA)对光谱数据进行降维,之后将提取的主成分与最小二乘支持向量机(LS-SVM)模型相结合,构建冬小麦叶面积指数的高光谱估测模型,并与以4类植被指数作为L&SVM输入参数建立的模型进行比较.结果表明,以主成分作为LS-SVM模型的输入参数建立的模型精度最高,模型检验集R2为0.71,检验集RMSE为0.56,估测结果较使用植被指数作为输入参数建立的模型精度高,稳定性好.该方法可为利用多波段信息进行大范围冬小麦叶面积指数的无损测定提供参考.

关键词：高光谱、最小二乘支持向量机、冬小麦、叶面积指数、植被指数、主成分分析

所属期刊栏目：34

分类号：S512.1;S318(禾谷类作物)

资助基金：国家科技支撑计划项目2012BAH29B04;国家自然科学基金项目51474217;中国矿业大学北京博士研究生拔尖创新人才培养基金项目8000158656

在线出版日期：2016-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1292-1296