《表3 不同建模方法下TN、TP和TK模型的精度》
注:PLSR_average:不同预处理,不同降维方式下的PLSR模型;PLSR_best_SNV+1st_PCA:最佳预处理方式和降维方式下(SNV+1st+PCA)的PLSR模型;SVR_average:不同预处理,不同降维方式下的SVR模型;SVR_best_SNV+1st_PCA:最佳预处理方式和降维方式下(SNV+1st+PCA)的S
由表3可知,3种养分指标均表现为SVR模型比PLSR模型确定系数较高,均方根误差较小,且从预测结果来看SVR模型的预测性能最好。其中,TN的最佳模型是基于SNV+1st处理后进行PCA降维的SVR模型,预测模型确定系数为0.85,预测均方根误差为2.82%,RPD值为2.50,该模型能够进行叶片TN预测。TP的最佳模型是SNV和一阶导数处理后建立的SVR模型,预测模型确定系数为0.90,均方根误差为0.55%,模型RPD值为2.83。TK的最佳模型也是基于SNV+1st处理后进行PCA降维的SVR模型,预测模型确定系数为0.85,均方根误差为3.80%,模型RPD值为2.60,SVR模型可以用于TP和TK的预测。由此可见,经过SNV+1st处理后的数据再进行PCA降维处理,建立的模型精度比未进行光谱数据预处理前的模型精度高。
图表编号 | XD00168770000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 李丹、黄钰辉、孙中宇、张卫强、甘先华、王佐霖、孙红斌、杨龙 |
绘制单位 | 广东省遥感与地理信息系统应用重点实验室、、广东省地理空间信息技术与应用公共实验室、、广州地理研究所、广东省森林培育与保护利用重点实验室广东省林业科学研究院、广东省遥感与地理信息系统应用重点实验室、、广东省地理空间信息技术与应用公共实验室、、广州地理研究所、广东省森林培育与保护利用重点实验室广东省林业科学研究院、广东省森林培育与保护利用重点实验室广东省林业科学研究院、广东省深圳市野生动物救助中心、广东省深圳市野生动物救助中心、广东省遥感与地理信息系统应用重点实验室、、广东省地理空间信息技术与应用公共实验室、 |
更多格式 | 高清、无水印(增值服务) |