基于HJ-CCD遥感数据和DK-SVR算法的小麦生物量估算研究
Journal of Yangzhou University(Agricultural and Life Science Edition)（2019）
摘要
基于2010～2013年江苏地区小麦环境减灾卫星(HJ-CCD)的影像数据,提取拔节、孕穗和开花3个生育期的卫星植被指数并作为模型的输入参数,分别利用双核支持向量回归算法(DK-SVR)、MLR和PLS方法构建各生育期小麦生物量估测模型,比较各模型的预测性能.结果表明:可以使用DK-SVR算法遥感估算小麦生物量,基于该算法构建的模型预测性能在3个生育期均优于MLR模型和PLS模型,各期实测值与模型预测值之间决定系数R2分别为0.50、0.67和0.65,相应的均方根误差RMSE为506、1 389和2 058kg· hm-2.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要