《表4 4月冬小麦叶绿素反演模型的建模和预测精度》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《地面高光谱和PROSAIL模型的冬小麦叶绿素反演》
从整体上看,通过PROSAIL模型和连续小波变换进行叶绿素反演的精度高于GNDVI反演叶绿素的精度;在利用小波系数反演冬小麦叶绿素中,PLSR方法精度略高于SVM和ANN,在该方法中,4组样本的建模和预测数据集的决定系数(R2)均大于0.5,建模集R2最大为0.62,最小为0.54,预测数据集R2最大为0.75,最小为0.60;表4中采用小波系数进行叶绿素反演的建模和预测数据集的标准均方根误差(NRMSE)均小于0.1,说明其模型拟合优度很好;其他3组的建模和预测数据集的NRMSE在0.1和0.2之间,说明其具有较好的模型拟合优度;在基于小波系数构建的偏最小二乘回归反演模型中,建模数据集均方根误差最小为3.85μg/cm2,最大为7.85μg/cm2,预测数据集的RMSE最小为4.75μg/cm2,最大为9.00μg/cm2。为更加直观地观察模型对未知样本的适应性,以PLSR方法为例,将预测数据集的预测值与对应实测值进行回归拟合,结果如图2和图3所示。
图表编号 | XD00101984300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.20 |
作者 | 于汧卉、杨贵军、王崇倡 |
绘制单位 | 辽宁工程技术大学测绘与地理科学学院、农业部农业遥感机理与定量遥感重点实验室、北京农业信息技术研究中心、农业部农业遥感机理与定量遥感重点实验室、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、北京市农业物联网工程技术研究中心、辽宁工程技术大学测绘与地理科学学院 |
更多格式 | 高清、无水印(增值服务) |