基于Stacking集成学习的夏玉米覆盖度估测模型研究

摘要：

以基于无人机多光谱影像提取的夏玉米植被指数作为特征变量,利用皮尔森相关系数结合随机森林反向验证权重的方法进行特征选择,去除冗余特征.以随机森林、梯度提升树、支持向量机和岭回归作为初级学习器,以岭回归作为次级学习器,建立基于Stacking集成学习的夏玉米覆盖度估测模型,并通过5折交叉验证进一步提升模型泛化能力,采用随机搜索和网格搜索结合的方法对模型超参数进行优化,使用4种回归指标进行模型精度评价,并利用次年数据验证其鲁棒性.结果表明,与单一模型以及决策树、Xgboost、Adaboost、Bagging集成框架相比,Stacking集成学习模型具有更高的精度和更强的鲁棒性,R2为0.950 9,比单一模型平均提升0.036 9,比其他集成模型平均提升0.041 7;Stacking集成学习模型RMSE、MAE和MAPE分别为0.043 2、0.033 0和5.01％,各指标分别比单一模型平均降低0.013 8、0.013 0和2.14个百分点,分别比其他集成模型平均降低0.018 5、0.012 6和2.15个百分点.本研究为夏玉米覆盖度估测提供了新的方法.

关键词：夏玉米;植被覆盖度;Stacking集成学习;无人机;多光谱影像

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目;宁夏智慧农业产业技术协同创新中心项目;国家自然科学基金项目;宁夏自治区重点研发计划项目

在线出版日期：2021-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：195-202