基于无人机多光谱遥感的油菜地上生物量反演OA
油菜地上生物量(AGB)的快速估算对水肥管理和作物估产有重要意义。本文基于麻雀搜索算法优化随机森林(HSA-RF)构建油菜AGB反演模型,筛选出适用于AGB反演的最优植被指数(VI)组合,同时对比了麻雀搜索算法优化高斯过程回归(HSA-GPR)、极限梯度提升树(HSA-XGB)模型的表现。结果表明,使用单因子构建油菜AGB模型时,HSA-GPR模型的反演表现略优于HSA-RF与HSA-XGB模型。多因子模型的精度显著高于单因子模型,其中最优模型为HSA-RF-5,其相关系数(r)为0.93,均方根误差(RMSE)为1005 kg/hm 2。SHapley分析(SHAP)显示,植被指数NREI、RTVI、SVI及G在多个AGB模型中影响力显著,其中尽管NREI存在一定负向影响,但其对生物量反演的贡献仍不可忽视。研究结果对多光谱遥感反演油菜地上生物量过程中降低多光谱波段共线性和特征筛选具有参考意义。
吴立峰;裴青宝;任长江;黄国敏
江西水利电力大学水土保持学院,江西南昌330099江西水利电力大学水土保持学院,江西南昌330099江西水利电力大学水土保持学院,江西南昌330099江西水利电力大学水土保持学院,江西南昌330099
天文与地球科学
植被指数随机森林麻雀搜索算法
《江西水利电力大学学报》 2026 (3)
P.44-50,7
江西省教育厅科学技术研究项目(GJJ211904)。
评论