农情信息遥感监测预报模型构建算法研究进展.pdf

农情信息遥感监测预报模型构建算法研究进展.pdf

ID:55997206

大小:502.56 KB

页数:5页

时间:2020-06-19

农情信息遥感监测预报模型构建算法研究进展.pdf_第1页
农情信息遥感监测预报模型构建算法研究进展.pdf_第2页
农情信息遥感监测预报模型构建算法研究进展.pdf_第3页
农情信息遥感监测预报模型构建算法研究进展.pdf_第4页
农情信息遥感监测预报模型构建算法研究进展.pdf_第5页
资源描述:

《农情信息遥感监测预报模型构建算法研究进展.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、江苏农业科学2013年第41卷第l1期王丽爱,谭昌伟,马昌,等.农情信息遥感监测预报模型构建算法研究进展[J].江苏农业科学,2013,41(11):1—5农情信息遥感监测预报模型构建算法研究进展王丽爱,谭昌伟,马昌,童璐,杨昕,崔怀洋,郭文善(扬州大学江苏省作物遗传生理重点实验室/农业部长江中下游作物生理生态与栽培重点开放实验室,江苏扬州225009)摘要: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,

2、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。关键词:遥感;建模;逐步多元回归;偏最小二乘;神经网络;支持向量机中图分类号:S127文献标志码:A文章编号:1002—1302(2013)11-0001-05农业是国民经济的基础,农业高技术引领农业的未来。逐步回归正是为解决这一问题而提出的一种算法。Jin等运用ASD光谱仪测得小麦不同生育时期的冠层光谱数据,运用SMR算法建立了基于光谱参数估计小麦叶片叶绿素含量的回归模型。杨晓华等测定了水稻不同生育期监测;在计算机系统的支持下,通过建模将获取的农业遥感信的冠层高光谱反射率,分别

3、以高光谱反射率的4种不同变换息与农业目标参量联系,定量地反演或推算出农学参量(即形式(光谱反射率、反射率一阶导数、反射率二阶导数和反射定量遥感)。定量遥感模型概括起来分为3类:物理模型、统率对数变换)为因变量,以叶面积指数(LAI)和叶绿素密度计模型和半经验模型】,其中统计模型是对一系列观测数据(GLCD)为自变量进行分析,评价了SMR对LAI和GLCD的作经验性的统计描述或相关分析,建立遥感参数与农情观测估算能力。周冬琴等用SMR算法建立了水稻成熟籽粒蛋数据之间的回归模型。白质含量监测模型,模型预测值与实测值之间符合度较高,对近年来,文献资料运用

4、逐步多元回归算法、偏最/j~--乘回水稻成熟籽粒蛋白质含量具有较好的预测性。宋开山等归算法、人工神经网络回归算法、支持向量机回归算法,在计利用不同生长季大田玉米的冠层高光谱反射率,采用SMR算算机系统支持下,建立多种农情信息遥感预测统计模型。计法,建立了玉米地上鲜生物量高光谱遥感估算模型,模型预测算机系统操作的目的是对数据进行加工处理,以得到期望的效果较理想;利用不同生长季的大田玉米、大豆的冠层高结果,其中算法是灵魂,算法是为解决一个问题而采取的方法光谱反射率,采用SMR算法,建立了玉米、大豆LAI高光谱遥和步骤。因此,本文介绍这些算法应用于遥感建

5、模预测多种感估算模型,结果表明以多波段逐步回归构造的模型预测效农作物的多种农学参量情况的同时,重点阐述了这些算法的果很好。牛铮等利用小麦及11种植被的叶片样本光谱测基本思想,给出了每种算法的求解步骤,总结了这些算法的优量数据,采用SMR算法,分析了鲜叶片中7种化学组分含量点。每种算法都有不足之处,针对每种算法的缺陷加以改进与其光谱特性的统计关系,并分别建立了叶片反射率及其变或多种算法结合使用,可以有针对性地避免原算法的缺陷,达换形式与鲜叶片中化学组分含量的SMR模型。到取长补短的优势互补效果。因此,传统算法的改进算法、多SMR算法的主要思想是双向筛

6、选进入模型的解释变量:种算法的组合算法成为了农情信息遥感预测建模算法的研究在所考虑的全部解释变量中按照对被解释变量的贡献大小逐趋势,最后指明了农情信息遥感预测建模的研究发展方向。个引入回归方程,已被引入回归方程的变量在引入新变量后也可能失去重要性,而需要从回归方程中剔除出去。引入一1逐步多元回归算法(stepwisemultipleregression。SlVIR)个变量或者从回归方程中剔除一个变量都要进行F检验,以在解释变量个数较多的情况下建立多元线性回归预测模保证在引入新变量前回归方程中只含有对被解释变量影响显型,需要选择解释变量,以使在回归方

7、程中包含所有对被解释著的变量,而不显著的变量已被剔除。变量影响显著的解释变量而不包含影响不显著的解释变量。SMR算法步骤如下:(1)求被解释变量Y与每一个自变量的一元线性回归方程。(2)通过F检验,选择F最高者作为第1个进入模型的自变量。(3)对模型外的变量分别进收稿Et期:2013—04—23行偏,检验,在若干通过偏F检验的变量中,选择F最大者基金项目:国家自然科学基金(编号:41271415、40801122、进入模型。(4)对模型中的自变量分别进行偏F检验,如果61003180);江苏省高校自然科学基金(编号:12KJB520018);江苏所

8、有自变量都通过偏F检验,转入步骤(3);如果有若干自变省自然科学基金(编号:BK201031)。作者简介:王丽爱(1975

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。