基于随机森林回归方法的水稻产量遥感估算

摘要：

为寻求高效的水稻产量估算方法,以2017年长春市九台和德惠地区的采样点为样本,遥感数据和气象数据为特征变量,通过对产量与特征变量间的相关性分析与特征变量之间的主成分分析和袋外数据(out-of-data,OOB)变量的重要性分析对特征变量进行选择,以选择后的特征变量为输入变量建立水稻产量估算的随机森林回归(RFR)模型.结果 表明:特征变量优选后的RFR模型对水稻产量估算的精度更高,决定系数R2和平均相对误差MRE分别为0.950和0.060;并将该模型应用到农安地区,以多元逐步回归模型作为比较模型,表明RFR模型的水稻产量估算精度明显优于多元逐步回归模型,RFR模型的R2和MRE分别为0.730和0.090,多元逐步回归模型的R2和MRE分别为0.530和0.120.

关键词：水稻、随机森林回归(RFR)、产量估算、遥感、多元逐步回归

所属期刊栏目：25

分类号：S127;TP753(农业物理学)

资助基金：吉林省省校共建计划专项;国家高分辨率对地观测系统重大科技专项省自治区、市域产业化应用

在线出版日期：2020-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：26-34