基于高光谱大豆lai估测模型不确定性研究

《基于高光谱大豆lai估测模型不确定性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、全日制硕士学位论文基于高光谱大豆LAI估测模型不确定性研究申请人姓名：袁换欢指导教师：张光胜学位类别：理学硕士专业名称：地图学与地理信息系统研究方向：3S技术理论与应用河南理工大学测绘与国土信息工程学院二○一七年六月中图分类号：TP79密级：公开UDC：单位代码：10460基于高光谱大豆LAI估测模型不确定性研究AnalysistheUncertaintyofSoybeanLAIEstimationModelBasedonHyperspectral申请人姓名袁换欢申请学位理学硕士学科专业地图学与研究方向3S技术理论地理信息系统与应用导师张光胜职称副教授提交日期

2、2017.5.22答辩日期2017.5.27河南理工大学致谢求学的时光总是短暂而美好，研究生的三年历练已渐渐走向落幕的时刻，回首往事，感谢河南理工大学的对我的栽培，感谢北京农业信息技术研究中心的全体成员，感谢各位老师和同学，你们对我的细心引导和帮助是我成长的积极向上和不断学习进步的重要支撑。现在即将离开河南理工大学我想对曾经给予过我帮助和鼓励的老师和同学由衷的说一声谢谢！首先，感谢河南理工大学导师张光胜老师和李长春老师。张光胜老师在我迷茫的时候给我指引前进的道路，教会我为学生应该做什么。张光胜在学术研究和处理人事关系上有自己的独到见解，他的做人和做学问深深地影

3、响了我以后的做人和做学术。李长春老师在我的专业知识方面给予重要的帮助，并且在我的硕士期间的研究方向方面起了重要作用，为我开题时候的选题和中期的研究方向纠正给予帮助。我衷心的祝愿张光胜老师和李长春老师及其家人健康长寿。其次，感谢北京农业信息技术研究中心的导师杨贵军研究员。他是我开始真正意义上接触3S技术应用的老师，在他的精心栽培下，学习了高光谱数据与作物农学参数的关系，作物的生育期等等，参与了山东圣丰的大豆数据处理和建模。杨老师在我的论文选题、数据的应用、文章的发表等方面给予重要的帮助，我在农业信息中心的成长离不开杨老师对我的悉心指导，也离不开杨老师对我的严格要

4、求。祝愿杨贵军老师及其家人幸福美满。感谢北京农业信息技术研究中心遥感技术部的杨贵军、赵晓庆、刘建刚、于海洋、冯海宽等老师对我的关心，论文的撰写离不开你们指导和帮助。也感谢陆国政、岳继博、王艳杰、王立志、范友波、董锦绘、陈召霞、杨敏、杨帆等同门，感谢他们实习期间对我的关心和照顾，有你们的陪伴使我研究生生活丰富多彩，希望你们以后的生活事事顺心。感谢河南理工大学国土与信息工程学院对我培育，它不仅为我提供学术平台和优良的师资，还为我提供良好的实习环境。感谢2014级测绘全体研究生，及严家宝、郑伟林等同学，祝我们的友谊天长地久。感谢我的家人，是你们在我状态最差的时候给我

5、家的温馨关怀，教会我面对问题、解决问题。最后感谢各位评阅和答辩的各位老师、专家学者表示感谢！摘要大豆是我国广泛种植的油料作物之一，叶面积指数（leafareaindex，LAI）反映光合速率和作物产量是选育高产大豆的重要参数。试验区位于山东省济宁市嘉祥县，实验数据为无人机搭载的UHD185传感器获取始花期、始荚期、始粒期、鼓粒期和鼓粒期-成熟期126个多品系大豆高光谱数据，及地面实测LAI数据。由于模型估测精度受选取敏感波段、模型校正集和模型形式影响。基于此，开展模型不确定性研究。本文将遥感反演LAI模型不确定性分为以下三个方面：首先，模型参数不确定性指高光谱

6、敏感波段的选取。利用LASSO（LeastAbsoluteShrinkageandSelectionOperator）、最大决定系数（MaximumDeterminationCoefficient,MDC）和最佳指数因子（OptimumIndexFactor,OIF）方法进行敏感波段的选择。其次，输入不确定性指模型校正集的选取。利用简单随机抽样（SimpleRandomSampling,SRS）和分层抽样（StratifiedTypeRandom,STR），进行模型校正集获取对比分析。最后，模型结构不确定性指模型形式选取。利用选取的敏感波段构建六种模型并进行比

7、较，得出各生育期最佳模型。论文具体研究内容及结果如下：(1)模型参数不确定性研究。在分析前人的研究基础上，利用LASSO、MDC和OIF比较得出各生育期的最佳敏感波段。始花期敏感波段为540nm、760nm和852nm，始荚期为464nm、628nm和856nm，盛荚期为556nm、644nm和796nm，始粒期为572nm、756nm和848nm，成熟期为556nm、628nm和908nm，全生育期为548nm、760nm和800nm。(2)模型输入不确定性研究。利用SRS和STR进行模型校正集获取，并建立随机森林回归（RandomForest,RF）和支持

8、向量机回归（SupportVector