基于随机森林算法的冬小麦生物量遥感估算模型对比

发布时间：2017-12-12 03:24

  本文关键词：基于随机森林算法的冬小麦生物量遥感估算模型对比

  更多相关文章： 遥感 生物量 模型 冬小麦 随机森林 灰色关联

【摘要】：为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法(random forest,RF)将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析(correlation coefficient,r)、袋外数据(out-of-bag data,OOB)重要性和灰色关联分析(grey relational analysis,GRA)与随机森林算法(RF)进行整合,构建了3种冬小麦生物量估算模型:r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明:r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m2,均方根误差分别为0.218、0.221和0.236 kg/m2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。
【作者单位】： 河南理工大学测绘与国土信息工程学院;北京农业信息技术研究中心;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心;
【基金】：国家自然科学基金(41601346) 北京市自然科学基金项目(4141001) 国家科技支撑项目(2012BAH29B04)
【分类号】：S512.11;S127
【正文快照】： 0引言 农业管理部门需要根据作物的生长情况对农业生产进行管理和决策,精确的作物参数对于“精准农业”有着极为重要的意义。地面生物量是冬小麦生长发育过程中的一个重要的生理参数,它常常用来作为作物长势和产量估测的一个重要指标[1]。近些年来随着遥感技术在农业中的广泛

【参考文献】

中国期刊全文数据库 前10条

1 冯海宽;杨福芹;李振海;杨贵军;郭建华;贺鹏;王衍安;;最优权重组合模型和高光谱估算苹果叶片全磷含量[J];农业工程学报;2016年07期

2 韩兆迎;朱西存;房贤一;王卓远;王凌;赵庚星;姜远茂;;基于SVM与RF的苹果树冠LAI高光谱估测[J];光谱学与光谱分析;2016年03期

3 杨福芹;冯海宽;李振海;高林;杨贵军;戴华阳;;基于赤池信息量准则的冬小麦叶面积指数高光谱估测[J];农业工程学报;2016年03期

4 李粉玲;王力;刘京;常庆瑞;;基于高分一号卫星数据的冬小麦叶片SPAD值遥感估算[J];农业机械学报;2015年09期

5 杨福芹;冯海宽;李振海;金秀良;杨贵军;戴华阳;;基于赤池信息量准则的冬小麦叶面积指数估算[J];农业机械学报;2015年11期

6 程晓娟;徐新刚;陈天恩;杨贵军;李振海;;基于NIR-Red光谱特征空间的作物水分指数[J];光谱学与光谱分析;2014年06期

7 刘思峰;蔡华;杨英杰;曹颖;;灰色关联分析模型研究进展[J];系统工程理论与实践;2013年08期

8 王备战;冯晓;温暖;郑涛;杨武德;;基于SPOT-5影像的冬小麦拔节期生物量及氮积累量监测[J];中国农业科学;2012年15期

9 谭昌伟;王纪华;赵春江;王妍;王君婵;童璐;朱新开;郭文善;;利用Landsat TM遥感数据监测冬小麦开花期主要长势参数[J];农业工程学报;2011年05期

10 方匡南;吴见彬;朱建平;谢邦昌;;随机森林方法研究综述[J];统计与信息论坛;2011年03期

中国博士学位论文全文数据库 前1条

1 蒙继华;农作物长势遥感监测指标研究[D];中国科学院研究生院（遥感应用研究所）;2006年

【共引文献】

中国期刊全文数据库 前10条

1 岳继博;杨贵军;冯海宽;;基于随机森林算法的冬小麦生物量遥感估算模型对比[J];农业工程学报;2016年18期

2 解晨;徐文远;;不同温拌剂对沥青及其混合料性能的影响分析[J];广西大学学报(自然科学版);2016年04期

3 李媛媛;常庆瑞;刘秀英;严林;罗丹;王烁;;基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J];农业工程学报;2016年16期

4 何荣;王斌;杨文丽;;矿区建筑物采动损害等级评定的灰色关联模型[J];河南理工大学学报(自然科学版);2016年04期

5 侯珏;刘芳;陈征;;基于熵权和灰色关联分析的航道绿色水平综合评价方法[J];大连海事大学学报;2016年03期

6 胡东方;姬源浩;;基于灰关联决策的模块化光电吊舱可靠性分析[J];兵工学报;2016年08期

7 丁海波;;基于裹浆技术的废弃混凝土粒料性能增强研究[J];中国公路学报;2016年08期

8 彭剑;邓通发;朱南海;易道新;;矿物掺合料对腐蚀混凝土强度影响及关联分析[J];长江科学院院报;2016年08期

9 李岚涛;汪善勤;任涛;马驿;魏全全;高雯晗;鲁剑巍;;基于高光谱的冬油菜叶片磷含量诊断模型[J];农业工程学报;2016年14期

10 陆国政;李长春;杨贵军;于海洋;赵晓庆;张晓燕;;基于成像高光谱仪的大豆叶面积指数反演研究[J];大豆科学;2016年04期

中国博士学位论文全文数据库 前3条

1 杜心栋;中国农用地整理对耕地产能提升影响研究[D];南京大学;2016年

2 赵虎;作物物候期及长势遥感监测若干问题研究[D];武汉大学;2010年

3 程永政;多尺度农作物遥感监测方法及应用研究[D];解放军信息工程大学;2009年

【二级参考文献】

中国期刊全文数据库 前10条

1 刘冰峰;李军;贺佳;;玉米叶片全磷含量高光谱遥感监测诊断模型研究[J];农业机械学报;2015年08期

2 王丽爱;马昌;周旭东;訾妍;朱新开;郭文善;;基于随机森林回归算法的小麦叶片SPAD值遥感估算[J];农业机械学报;2015年01期

3 王丽爱;谭昌伟;杨昕;周旭东;朱新开;郭文善;;基于MK-SVR模型的小麦叶面积指数遥感反演[J];农业机械学报;2015年05期

4 李振海;徐新刚;金秀良;张竞成;宋晓宇;宋森楠;杨贵军;王纪华;;基于氮素运转原理和GRA-PLS算法的冬小麦籽粒蛋白质含量遥感预测[J];中国农业科学;2014年19期

5 蔡庆空;蒋金豹;陶亮亮;胡丹娟;崔希民;;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[J];麦类作物学报;2014年09期

6 黄青;周清波;王利民;李丹丹;;基于遥感的冬小麦长势等级与气象因子相关性分析[J];农业机械学报;2014年12期

7 赖日文;刘健;许章华;汪琴;;基于HJ-1马尾松叶面积指数的遥感反演[J];农业机械学报;2014年03期

8 谢巧云;黄文江;梁栋;彭代亮;黄林生;宋晓宇;张东彦;杨贵军;;最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究[J];光谱学与光谱分析;2014年02期

9 王红岩;李晓松;张瑾;高志海;;北京一号,环境星,Landsat TM传感器估算草地覆盖度、叶面积指数、地上生物量比较研究[J];光谱学与光谱分析;2013年10期

10 金秀良;徐新刚;李振海;王芊;王妍;李存军;王纪华;;基于新型植被指数对冬小麦蛋白质含量的估算研究[J];光谱学与光谱分析;2013年09期

中国博士学位论文全文数据库 前1条

1 范锦龙;复种指数遥感监测方法研究[D];中国科学院研究生院（遥感应用研究所）;2003年

【相似文献】

中国期刊全文数据库 前10条

1 张雷;王琳琳;张旭东;刘世荣;孙鹏森;王同立;;随机森林算法基本思想及其在生态学中的应用——以云南松分布模拟为例[J];生态学报;2014年03期

2 李旭青;刘湘南;刘美玲;吴伶;;水稻冠层氮素含量光谱反演的随机森林算法及区域应用[J];遥感学报;2014年04期

3 王盼;陆宝宏;张瀚文;张巍;孙银凤;季妤;;基于随机森林模型的需水预测模型及其应用[J];水资源保护;2014年01期

4 王栋;岳彩荣;田传召;范怀刚;王跃辉;;基于随机森林的大姚县TM遥感影像分类研究[J];林业调查规划;2014年02期

5 刘毅;杜培军;郑辉;夏俊士;柳思聪;;基于随机森林的国产小卫星遥感影像分类研究[J];测绘科学;2012年04期

6 吕淑婷;张启敏;;一类带Poisson跳的随机森林发展系统数值解的收敛性[J];宁夏大学学报(自然科学版);2010年04期

7 李治;杨晓梅;孟樊;范文义;;物候特征辅助下的随机森林宏观尺度土地覆盖分类方法研究[J];遥感信息;2013年06期

8 金宇;周可新;方颖;刘欣;;基于随机森林模型预估气候变化对动物物种潜在生境的影响[J];生态与农村环境学报;2014年04期

9 马明;岳彩荣;张云飞;李小婷;张博;;基于TM影像的土地覆盖分类比较研究[J];绿色科技;2014年03期

10 ;[J];;年期

中国重要会议论文全文数据库 前7条

1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年

3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年

7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年

中国博士学位论文全文数据库 前4条

1 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年

2 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

3 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年

4 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年

中国硕士学位论文全文数据库 前10条

1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年

2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年

3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年

4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年

5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年

6 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年

7 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年

8 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年

9 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年

10 黎成;基于随机森林和ReliefF的致病SNP识别方法[D];西安电子科技大学;2014年

，

本文编号：1281002