杨昕
- 作品数：2 被引量：13H指数：2
- 供职机构：扬州大学农学院江苏省作物遗传生理重点实验室更多>>
- 发文基金：江苏省高校自然科学研究项目国家自然科学基金江苏省高校优秀科技创新团队更多>>
- 相关领域：农业科学更多>>
- 基于MK-SVR模型的小麦叶面积指数遥感反演被引量：11
- 2015年
- 提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。
- 王丽爱谭昌伟杨昕周旭东朱新开郭文善
- 关键词：小麦遥感叶面积指数
- 农情信息遥感监测预报模型构建算法研究进展被引量：2
- 2013年
- 综合介绍了线性逐步回归算法、偏最小二乘回归算法、人工神经网络算法、支持向量机回归算法在农作物信息遥感预测建模中的应用,阐述了这些算法的基本思想,给出了每种算法的求解步骤,归纳了这些算法的优点,分析了每种算法的不足之处,并指明了农情信息遥感预测建模的研究发展方向。
- 王丽爱谭昌伟马昌童璐杨昕崔怀洋郭文善
- 关键词：遥感偏最小二乘神经网络支持向量机
