《表3 水稻产量与特征变量相关性表》

  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

《基于随机森林回归方法的水稻产量遥感估算》

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

首先应用九台德惠地区的采样点进行建模，由于模型输入变量不同水稻产量估算结果也不尽相同，针对变量选择的不同分别建立了不同水稻产量估算的随机森林回归模型。首先用全部73个变量作为模型的输入变量，建立水稻产量估算的RFR1模型；其次分析全部特征变量与产量之间的相关性，提取15个相关性较高的变量（其相关性>0.6）建立水稻产量估算的RFR2模型；其提取的15个变量与产量的相关性表3所示；对该15个相关性高的变量进行主成分分析，提取3个主成分分析结果，累计贡献率为86.040%，建立水稻产量估算的RFR3模型；在RFR2的基础上，对15个相关性高的变量进行了重要性排序分析，剔除变量重要性排序低的变量（%IncMSE为负值），将剩余变量重新作为输入变量建立了RFR4模型。特征变量重要性排序图如图4所示。与此同时，对全部原始变量进行主成分分析，提取了10个主成分，累计贡献率为96.670%，以这10个主成分作为模型输入变量，建立水稻产量估算的RFR5模型；对10个主成分与水稻产量间进行相关性分析，发现只有第二主成分与产量的相关性较大（相关系数为0.638），以第二主成分为输入变量建立RFR6模型。