《表5 各降维方法的评估：高光谱数据降维与水稻氮素含量解析方法》

  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

《高光谱数据降维与水稻氮素含量解析方法》

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

本研究利用基础的多元线性回归模型进行研究，应用模型的决定系数R2和均方误差MSE来评估模型的检测精度，模型的测试误差采用5折交叉验证（5-fold cross-validation）的方式进行计算。全波段分析以分窗Gram-Schmidt变换降维，当窗口值为440nm，得出4个主基底时效果最好，将主基底与水稻氮素含量建立回归模型，其5折交叉验证决定性系数R2和均方根误差MSE分别为0.787和0.051；全波段分析以主成分分析降维，选取5个因子作为特征，其决定性系数R2和均方根误差MSE分别为0.743和0.056；以单个植被指数与水稻氮素含量建立回归模型，效果最好的是GNDI（911，487），其决定性系数R2和均方根误差MSE分别为0.667和0.076；以多个特征光谱指数为降维方法，选择7个特征光谱指数，模型效果最佳，其决定性系数R2和均方根误差MSE分别为0.731和0.072。