基于优化植被指数的芦苇地上生物量高光谱估算

打开文本图片集

摘 要：基于93个湿地芦苇地上生物量（AGB）实测样本数据和原始光谱（R）反射率及其数学变换，包括一阶微分（R′）、二阶微分（R"）、倒数（1/R）和积分（∫R），采用竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling，CARS），进行敏感波段筛选后，采用逐波段组合法（Band Combination Index， BCI）构建19种不同组合形式的双波段和三波段优化植被指数，使用极端梯度提升（eXtreme Gradient Boosting， XGBoost），提升回归树（Boosted Regression Tree， BRT）和随机森林（Random Forest， RF）三种算法，基于优化植被指数分别建立芦苇AGB的预测模型。（剩余9224字）