基于随机森林回归方法的水稻产量遥感估算

发布时间：2024-02-22 12:39

　　为寻求高效的水稻产量估算方法,以2017年长春市九台和德惠地区的采样点为样本,遥感数据和气象数据为特征变量,通过对产量与特征变量间的相关性分析与特征变量之间的主成分分析和袋外数据(out-of-data,OOB)变量的重要性分析对特征变量进行选择,以选择后的特征变量为输入变量建立水稻产量估算的随机森林回归(RFR)模型。结果表明:特征变量优选后的RFR模型对水稻产量估算的精度更高,决定系数R²和平均相对误差MRE分别为0.950和0.060;并将该模型应用到农安地区,以多元逐步回归模型作为比较模型,表明RFR模型的水稻产量估算精度明显优于多元逐步回归模型,RFR模型的R²和MRE分别为0.730和0.090,多元逐步回归模型的R²和MRE分别为0.530和0.120。

【文章页数】：9 页

【部分图文】：

图1研究区2017水稻采样点分布图

图2RFR模型原理流程图

图3决策树与袋外误差关系图

图4特征变量重要性排序图

本文编号：3906764