《表3 四种植被指数回归模型反演精度评价》
三种反演方法的结果表明:在植被指数回归模型法中,不同植被指数的反演结果差异较大,四种植被指数(NDVI、EVI、SAVI与MSAVI)在30 m尺度(NDVI:R2=0.747,RMSE=0.139;EVI:R2=0.602,RMSE=0.187;SAVI:R2=0.673,RMSE=0.164;MSAVI:R2=0.631,RMSE=0.177)与250 m尺度(NDVI:R2=0.851,RMSE=0.087;EVI:R2=0.713,RMSE=0.128;SAVI:R2=0.760,RMSE=0.116;MSAVI:R2=0.729,RMSE=0.125)中,NDVI的反演精度均为最高(表3);在像元二分法中,该区域添加L因子不能显著提高反演精度,当L=1时精度最高(30 m尺度:R2=0.757,RMSE=0.142;250 m尺度:R2=0.853,RMSE=0.054)(图4) ;在BP神经网络算法中,当用植被指数替换反射率数据作为驱动数据时不仅能显著提高计算效率,而且还能显著提高反演精度(30 m尺度替换前后分别为:R2=0.754,RMSE=0.129 7与R2=0.767,RMSE=0.125;250 m尺度替换前后分别为R2=672,RMSE=0.132与R2=0.849,RMSE=0.093)(图5和图6) 。
图表编号 | XD0069483600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.28 |
作者 | 陈建军、黄莹、赵许宁、张慧子、田志林 |
绘制单位 | 桂林理工大学测绘地理信息学院、广西遥感信息测绘院、桂林理工大学测绘地理信息学院、桂林理工大学测绘地理信息学院、桂林理工大学测绘地理信息学院 |
更多格式 | 高清、无水印(增值服务) |