《表2 不同生育期油菜叶片SPAD值与光谱指数之间的相关系数》

  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

《基于随机森林回归的油菜叶片SPAD值遥感估算》

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

注:**表示在0.001水平上显著相关；*表示在0.01水平上显著相关。Note:**indicates significant correlation at 0.001 level；*indicates significant correlation at 0.01 level.

利用检验样本对不同模型的估测精度进行检验，结果如表4所示。由表4可以看出，各生育期不同验证模型的R2都在0.46以上，达到了极显著水平（P<0.001），能够用于油菜SPAD值预测。其中苗期VI-RF模型的决定系数R2达到了0.81，RMSE和RE小于其他模型，分别为0.93和2.87%；蕾薹期VI-RF模型的R2，回归方程斜率、RMSE和RE均为该生育期最优；开花期VI-RF模型的决定系数及回归方程斜率为三个模型中最优的，但其RMSE和RE都要略大于VI-MSR模型；成熟期VI-RF模型同样优于其他模型，其决定系数R2达到了0.82，但各模型的RMSE和RE较其他生育期有大幅度上升，其均方根误差达到了5以上，相对误差达到了10%以上。在全生育期仍以VI-RF模型的预测精度最高，R2为0.89。综合来看，VI-RF模型在分生育期及全生育期都表现出最强的学习和预测能力，决定系数R2均在0.81以上。但结合建模与预测结果，相对于建模精度，VI-RF模型的预测能力相对较弱，决定系数R2较建模有较大幅度的下降，与王丽爱[13]等的研究结果是一致的。这是由于随机森林是适用于大样本量数据计算的，样本数偏小会导致模型决策树之间的相关性增强，预测误差增大，同时随机森林在生成决策树的时候也可能会生成很多差异度非常小的树，也会对最终生成正确的决策产生影响，导致预测精度降低。