叶面积指数(Leaf Area Index,LAI)是表征作物长势的关键参数,直接反映作物生长状况和生产力水平。以内蒙古武川县马铃薯种植区为研究对象,基于高分七号(GF-7)卫星多光谱数据提取的植被指数,结合试验区实测马铃薯LAI数据,运用随机森林算...叶面积指数(Leaf Area Index,LAI)是表征作物长势的关键参数,直接反映作物生长状况和生产力水平。以内蒙古武川县马铃薯种植区为研究对象,基于高分七号(GF-7)卫星多光谱数据提取的植被指数,结合试验区实测马铃薯LAI数据,运用随机森林算法构建了研究区马铃薯LAI反演模型。结果表明:1)马铃薯实测LAI与11种植被指数的相关性较为显著,其中与GNDVI、GRVI、NLI的相关性最高。2)构建的随机森林反演模型精度较高,决定系数(R^(2))达0.812,均方根误差(RMSE)为0.150,模型拟合效果良好。3)进一步优化模型输入变量后,采用“原始波段+GNDVI+GRVI+NLI”的反演模型与实测LAI的R^(2)达0.851,RMSE降至0.137,其精度显著高于仅使用原始波段的模型,验证了该变量组合的适用性。4)模型在不同年份和环境条件下均表现出良好的鲁棒性和时空可移植性。文中通过GF-7卫星数据反演马铃薯LAI,可实现对农作物LAI的有效动态监测,为精细化农业信息提取提供了有效技术支撑。展开更多
文摘叶面积指数(Leaf Area Index,LAI)是表征作物长势的关键参数,直接反映作物生长状况和生产力水平。以内蒙古武川县马铃薯种植区为研究对象,基于高分七号(GF-7)卫星多光谱数据提取的植被指数,结合试验区实测马铃薯LAI数据,运用随机森林算法构建了研究区马铃薯LAI反演模型。结果表明:1)马铃薯实测LAI与11种植被指数的相关性较为显著,其中与GNDVI、GRVI、NLI的相关性最高。2)构建的随机森林反演模型精度较高,决定系数(R^(2))达0.812,均方根误差(RMSE)为0.150,模型拟合效果良好。3)进一步优化模型输入变量后,采用“原始波段+GNDVI+GRVI+NLI”的反演模型与实测LAI的R^(2)达0.851,RMSE降至0.137,其精度显著高于仅使用原始波段的模型,验证了该变量组合的适用性。4)模型在不同年份和环境条件下均表现出良好的鲁棒性和时空可移植性。文中通过GF-7卫星数据反演马铃薯LAI,可实现对农作物LAI的有效动态监测,为精细化农业信息提取提供了有效技术支撑。
