Please wait a minute...
img

官方微信

遥感技术与应用  2018, Vol. 33 Issue (3): 458-464    DOI: 10.11873/j.issn.1004-0323.2018.3.0458
模型与反演     
基于高分一号WFV影像的随机森林算法反演水稻LAI
刘振波,邹娴,葛云健,陈健,曹雨濛
(南京信息工程大学 地理与遥感学院,江苏 南京 210044)
Retrieval Rice Leaf Area Index Using Random Forest Algorithm based on GF-1 WFV Remote Sensing Data
Liu Zhenbo,Zou Xian,Ge Yunjian,Chen Jian,Cao Yumeng
(Nanjing University of Information Science & Technology,School of Geography and Remote Sensing,Nanjing 210044,China)
 全文: PDF(3922 KB)  
摘要:
叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用随机森林算法构建研究区水稻LAI反演模型。研究结果表明:随机森林算法反演的研究区水稻LAI与实测验证值相关性较好,R2达到0.88,RMSE仅为1.03,能准确反映研究区水稻LAI生长季的变化趋势,不同时段LAI测量值与反演值相对误差均值为15%,且GF\|1 WFV影像对研究区水、路网的分辨能力较高,总体上适用于农田LAI的反演。
关键词: 叶面积指数聚集度系数GF-1 WFV影像随机森林
    
Abstract: Leaf Area Index(LAI) is an important indicator of vegetation growth and reflects the productivity of farmland ecosystems.In this study,rice LAI was mapping using LAI retrieved model based on rice vegetation indexes from multi\|temporal GF\|1 WFV and situ LAI measurements data obtained in different rice growing periods over rice fields taking Dongtai county,Jiangsu province as a case study.The LAI retrieval model was constructed using random forest algorithm(RF).Results showed that the RF model achieved high accuracy that the RMSE was 1.03 and the coefficients of determination(R2) between retrieved LAI and measured LAI reached 0.88.The mean relative error between retrieved LAI and measured LAI in different growing periods was 15%.The trend of rice LAI could be reflected by the retrieved value and GF\|1 WFV data has high ability to distinguish the waters and road network in study area.
Key words: Leaf Area Index(LAI);Clumping Index(CI);GF\    1 WFV Image;Random Forest(RF)
收稿日期: 2017-07-19 出版日期: 2018-07-04
:  TP79  
基金资助: 江苏省基础研究计划(自然科学基金)项目(BK20130992),国家自然科学基金项目(41501157),江苏省大学生实践创新训练计划项目(2016103000309)


作者简介: 刘振波(1978-),男,山东寿光人,博士,副教授,主要从事资源环境遥感研究。Email:ZBLiu@nuist.edu.cn。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
刘振波
邹娴
葛云健
陈健
曹雨濛

引用本文:

刘振波,邹娴,葛云健,陈健,曹雨濛. 基于高分一号WFV影像的随机森林算法反演水稻LAI[J]. 遥感技术与应用, 2018, 33(3): 458-464.

Liu Zhenbo,Zou Xian,Ge Yunjian,Chen Jian,Cao Yumeng. Retrieval Rice Leaf Area Index Using Random Forest Algorithm based on GF-1 WFV Remote Sensing Data. Remote Sensing Technology and Application, 2018, 33(3): 458-464.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.3.0458        http://www.rsta.ac.cn/CN/Y2018/V33/I3/458

[1] 谢京凯,王福民,王飞龙,张东尼. 面向水稻LAI监测的植被指数土壤调节参数修正[J]. 遥感技术与应用, 2018, 33(2): 342-350.
[2] 褚洪亮,肖青,柏军华,程娟. 基于无人机遥感的叶面积指数反演[J]. 遥感技术与应用, 2017, 32(1): 140-148.
[3] 林岳峰,柳钦火,李静,赵静. 最小二乘法联合光学与雷达遥感数据估算玉米叶面积指数[J]. 遥感技术与应用, 2016, 31(4): 691-701.
[4] 杨勇帅,李爱农,靳华安,尹高飞,赵伟,雷光斌,边金虎. 中国西南山区GEOV1、GLASS和MODISLAI产品的对比分析[J]. 遥感技术与应用, 2016, 31(3): 438-450.
[5] 靳华安,李爱农,边金虎,赵伟,张正健,南希. 西南地区不同山地环境梯度叶面积指数遥感反演[J]. 遥感技术与应用, 2016, 31(1): 42-50.
[6] 李铮,柏延臣,何亚倩. 遥感叶面积指数产品提取自然植被物候期对比[J]. 遥感技术与应用, 2015, 30(6): 1103-1112.
[7] 刘婧怡,汤旭光,常守志,贾明明,董张玉,邵田田,丁智. 森林叶面积指数遥感反演模型构建及区域估算[J]. 遥感技术与应用, 2014, 29(1): 18-25.
[8] 孙晨曦,刘良云,关琳琳. 内蒙古锡林浩特草原GLASS LAI产品的真实性检验[J]. 遥感技术与应用, 2013, 28(6): 949-954.
[9] 赖格英,曾祥贵,刘影,张玲玲,易发钊,潘瑞鑫,盛盈盈. 基于ETM和图像融合的优势植被冠层叶面积指数和消光系数的遥感反演[J]. 遥感技术与应用, 2013, 28(4): 697-706.
[10] 高帅,牛铮,邬明权. 基于ENVISAT/ASAR的神经网络反演人工林叶面积指数研究[J]. 遥感技术与应用, 2013, 28(2): 205-211.
[11] 李 新,刘 强,柳钦火,王 建,马明国,肖 青,车 涛,晋 锐,冉有华. 黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算[J]. 遥感技术与应用, 2012, 27(5): 650-662.
[12] 骆社周,程 峰,王方建,习晓环,王 成. 基于TM遥感数据的西藏林芝地区叶面积指数反演[J]. 遥感技术与应用, 2012, 27(5): 740-745.
[13] 张添,黄春林,沈焕锋. 地表通量对模型参数的不确定性和敏感性分析[J]. 遥感技术与应用, 2011, 26(5): 569-576.
[14] 尹芳,江东,刘磊. 基于环境星HSI影像的草地叶面积指数反演[J]. 遥感技术与应用, 2011, 26(3): 360-364.
[15] 刘艳, 王锦地, 周红敏, 薛华柱. 黑河中游试验区不同分辨率LAI数据处理、分析和尺度转换[J]. 遥感技术与应用, 2010, 25(6): 805-813.