共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Estimation of biomass in wheat using random forest regression algorithm and remote sensing data显示文摘Wheat biomass can be estimated using appropriate spectral vegetation indices.However,the accuracy of estimation should be further improved for on-farm crop management.Previous studies focused on developing vegetation indices,however limited research exists on modeling algorithms.The emerging Random Forest(RF) machine-learning algorithm is regarded as one of the most precise prediction methods for regression modeling.The objectives of this study were to(1) investigate the applicability of the RF regression algorithm for remotely estimating wheat biomass,(2) test the performance of the RF regression model,and(3) compare the performance of the RF algorithm with support vector regression(SVR) and artificial neural network(ANN) machine-learning algorithms for wheat biomass estimation.Single HJ-CCD images of wheat from test sites in Jiangsu province were obtained during the jointing,booting,and anthesis stages of growth.Fifteen vegetation indices were calculated based on these images.In-situ wheat above-ground dry biomass was measured during the HJ-CCD data acquisition.The results showed that the RF model produced more accurate estimates of wheat biomass than the SVR and ANN models at each stage,and its robustness is as good as SVR but better than ANN.The RF algorithm provides a useful exploratory and predictive tool for estimating wheat biomass on a large scale in Southern China. | Li'ai Wang Xudong Zhou Xinkai Zhu Zhaodi Dong Wenshan Guo | 2016 | The Crop Journal2016，4，3： | 30 |
| 2 | 基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测显示文摘叶面积指数(LAI,leaf area index)和地上部生物量是评价冬小麦长势的重要农学参数,其实时动态监测对冬小麦的长势诊断、产量预测和管理调控等具有重要意义。该研究通过分析叶面积指数、地上部生物量与冬小麦冠层光谱参数的相关性,筛选出冬小麦长势指标敏感波段及最佳带宽范围;基于敏感光谱波段下图像的彩色因子,构建冬小麦叶面积指数和地上部生物量监测模型。结果表明,叶面积指数、地上部生物量长势指标的敏感波段及最佳带宽范围为(560±6)和(810±10)nm。敏感波段560、810 nm波段下获得的图像特征因子中,RGB颜色空间R810、G560、B810对叶面积指数的拟合效果最好,决定系数高达0.989;HSI颜色空间H810、S810、I560对地上部生物量的拟合效果最好,决定系数为0.937。试验数据检验表明,叶面积指数、地上部生物量监测模型的均方根误差RMSE分别为0.4515、3.3556,相对误差分别为15.7%、15.9%,所构建监测模型的精确度较高。因此,基于敏感光谱波段及相应图像特征构建的监测模型可有效对冬小麦叶面积指数、地上部生物量进行实时、快速、准确监测与诊断。 | 徐旭 陈国庆 王良 叶桂香 王振林 李勇 | 2015 | 农业工程学报2015，31，22： | 8 |
| 3 | 光谱信息与作物生长模型数据同化中的时间尺度优化显示文摘光谱信息与作物生长模型同化的效率提升是同化方法区域应用研究的一个重要方面。该文通过设置不同步长的光谱观测值同化时相,开展针对光谱信息与作物生长模型WOFOST(world food studies)同化的时间尺度优化研究,以提高同化效率。基于长春地区水稻生长周期,该文设置了4个等距时间尺度(步长分别为5,10,20和30 d)和一个关键时相时间尺度(同化时相对应水稻生长关键时期),在不同时间尺度下利用光谱信息计算的修正叶绿素吸收比值指数MCARI1(modified chlorophyll absorption ratio index)同化WOFOST模型,通过比较不同时间尺度下的同化精度和效率,优化同化时间尺度。结果表明:随着同化时间尺度增大,同化效率逐渐提高,而同化精度逐渐降低。在平衡精度和效率的前提下,选择步长介于10~20 d的时间尺度或关键时相尺度作为光谱信息与作物生长模型的同化时间尺度是合理的。该文提出的优化同化时间尺度方法为提高光谱信息与作物生长模型同化的区域应用效果提供了参考。 | 吴伶 刘湘南 王春乙 秦其明 郑小坡 孙越君 | 2015 | 农业工程学报2015，31，24： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员