《表3 PLSR、SVR和FNN模型的估算评价指标》

  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

《基于全波段高光谱的冬小麦生长参数估算方法比较》

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

将2.2中构建的模型用于对应的验证集数据，比较3种方法的估算效果。图5为验证集估算参数散点图，表3为验证集的评价指标均值。全生育期SVR的地上部生物量拟合优度和估算精度均高于PLSR和FNN，尤其是估算精度，MAPE较PLSR和FNN分别降低了5.73%～22.78%和10.74%～17.40%，RMSE分别降低了4.04%～18.51%和6.85%～12.06%。各生育期SVR和PLSR的LAI拟合优度相近，但SVR的估算精度更高，MAPE较之降低了10.63%～35.07%。SVR拟合优度R2比FNN高1.09%～4.35%，估算精度也更高，MAPE比FNN低17.10%～28.63%。除扬花期外，SVR全氮含量的估算效果均优于PLSR和FNN，R2分别提高了1.06%～5.56%、1.06%～2.20%，MAPE分别降低了9.23%～33.33%、14.47%～18.18%。扬花期3种模型估算性能相当，PLSR精度略高。全生育期SVR叶绿素浓度的估算效果均优于PLSR和FNN。除扬花期外，SVR的R2较PLSR提高了1.06%～1.10%，MAPE降低了9.15%～20.14%；SVR的R2较FNN提高了1.06%～4.55%，MAPE降低了19.80%～21.33%。只有扬花期SVR的优势不明显，拟合优度与PLSR和FNN相同，RMSE较PLSR高1.17%，但MAPE较之低2.41%，较FNN低6.89%。