《表6 不同模型估测水稻叶绿素含量的统计特征》

  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PROSAIL模型偏差补偿的水稻叶绿素含量遥感估测》

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

从表5可以看出，基于多因子输入的预测模型整体上要比单因子预测模型具有更小的RMSE，由于单因子预测模型使用光谱信息有限，一些干扰无法有效排除，因而误差往往较大。而多因子预测模型同时使用了多个光谱指数作为自变量，更大程度利用有效信息，因此可以提高模型精度。同时多因子预测模型可减少因同谱异物及同物异谱等原因形成的偏差。可以看出，本文提出的MFEMPROSAIL-LSSVM多因子预测模型无论对于建模集还是检验集，都得到了最小的RMSE指标。另外，对于建模集，MFEMPROSAIL-LSSVM模型和基于LSSVM的多因子预测模型具有较高的决定系数，分别为0.740 6和0.739 3，高于其他预测模型。对比MFEMLSSVM模型，虽然本文建立的模型在决定系数指标方面没有较大优势，但在检验集中，MFEMPROSAIL-LSSVM模型提供了最高的决定系数，不仅高于单因子预测模型，也在一定程度上优于其他多因子预测模型，表明提出的方法其估测值与实测值之间具有更好的相关性。表6列出了不同模型估测叶绿素的统计特征。