《表3 使用光谱信息与5×5窗口下纹理信息进行最优子集回归的备选模型及其评价指标》

  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

《结合Sentinel-2光谱与纹理信息的冬小麦作物茬覆盖度估算》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：RMSE为留一法交叉验证求得的模型均方根误差，单位为覆盖度的单位（%）。

最优子集回归是一种有放回的抽样的方法。本文利用最优子集回归对显著性水平通过0.05的因子进行进一步筛选，以得到作物茬覆盖度估算的最优模型。例如，当纹理窗口为5×5时，利用初步筛选得到的纹理特征与光谱信息共有16个，考虑其所有的组合方式，将生成65534种备选模型。在R语言平台中，只显示了模型的引入变量数目分别为1—8种时的最佳模型以及相关的评价指标。对于5×5的窗口，8个备选模型的结果如表3所示。对评价指标进行归一化后，根据R尽量大，CP，BIC，RMSE尽量小的原则，可以发现当引入变量数为4时的模型是作物茬覆盖度估算的最优模型。接着，对引入模型的4个变量进行共线性分析，发现B11＿CO的方差膨胀因子为13.99，则认为B11＿CO与其他变量存在共线性问题，删除该变量后，方差膨胀因子皆小于2。此时，则可认定该模型为最优模型，即