《表2 卷叶率估算模型与精度检验》

  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

《基于无人机平台的稻纵卷叶螟为害程度遥感监测》

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

选择各个小区卷叶率对应的绿（R560）、红（R668）、红边（R717）和近红外波段（R840）的光谱反射率和NDVI、DVI作为自变量，使用建模数据集，分别采用多元线性回归（MLR）、多元逐步回归（MSR）、偏最小二乘回归（PLSR）和支持向量机回归（SVR）方法建立水稻卷叶率的估算模型，分别记为Model＿MLR、Model＿MSR、Model＿PLSR、Model＿SVR；使用验证数据集，对模型预测精度进行评价。结果如表2所示:其中以Model＿PLSR模型的建模精度和检验精度最高:模型的决定系数R2较高，为0.652，RMSE较低，为0.841，对验证集数据的预测值与实测值的线性拟合方程的决定系数R2为0.675，RMSE为0.753。Model＿MSR模型的精度较低。但总体而言，各模型的精度没有太大的差异，各个模型的建模精度和检验精度R2均在0.6—0.7，RMSE为0.7—0.9。