《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》
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。
图表编号 | XD00210675100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 曹英丽、肖文、刘亚帝、江凯伦、郭宝赢、于丰华 |
绘制单位 | 沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心 |
更多格式 | 高清、无水印(增值服务) |