基于小波变换与支持向量机回归的冬小麦叶面积指数估算

摘要

叶面积指数（LAI）是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换（CWT）,然后利用小波系数与LAI建立支持向量机回归（SVR）模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘（PLS）回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9和8,对应小波系数的LAI回归确定系数（R2）明显高于冠层反射率的回归确定系数;利用小波系数与LAI建立的SVR模型的反演精度最高,模型实测值与预测值的检验精度（R2）为0.86,均方根误差（RMSE）为0.43;而常用植被指数（归一化植被指数,NDVI;比值植被指数,RVI）建立的估测模型对冬小麦多个生育时期LAI反演精度最低（R2＜0.76,RMSE＞0.56）。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI回归方法比较结果表明,SVR比PLS更适合于LAI的估测,通过将CWT与SVR结合（CWT-SVR）能实现不同生育时期冬小麦叶面积指数的遥感估算。