《表4 小麦生物量遥感估算的偏最小二乘回归模型Tab.4 The PLS models of wheat biomass monitoring by remote sensing》

  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HJ-CCD遥感数据和DK-SVR算法的小麦生物量估算研究》

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

在各生育期的每个模型中，以表2中的15个植被指数作为自变量，小麦生物量作为因变量，得到了MLR模型表达式（表3）。在构建PLS模型时，各生育期主成分（PC）个数使用5-折交叉验证结合均方根误差RMSE最终确定（表4）。在构建DK-SVR模型时，首先将此算法利用Matlab语言编制成计算机程序，然后分别确定4个参数σ2、c、ep及λ的取值，最后运行该程序进行建模，得到的模型本身没有明确的数学公式。各生育期模型的4个参数通过网络搜索法结合5-折交叉验证进行优化，并以RMSE为评价指标，选择RMSE最低所对应的参数值为模型各参数的最终取值。4个参数σ2、c、ep及λ取值如下:拔节期85、800、5及0.3，孕穗期105、200、13及0.2，开花期5、900、12及0.1。