基于红边指数的耕地质量遥感制图

打开文本图片集

摘要： 耕地是农业生产的基本物质条件，耕地质量评价对耕地保护有重要意义。遥感技术的发展，为解决当前耕地质量评价周期长、效率低的问题带来了新思路。目前基于植被遥感指标的耕地质量评价的研究中，尚未考虑利用作物红边波段评价耕地质量。因此，本研究尝试建立红边指数（red edge index，REI）和耕地质量的光谱响应模型，从Sentinel-2影像中提取14个红边指数，并使用梯度提升树（gradient boosting decision tree，GBDT）算法结合方差膨胀因子（variance inflation factor，VIF）筛选对耕地质量敏感的最佳红边指数；利用偏最小二乘回归（partial least squares regression，PLSR）、岭回归（ridge regression，RR）和BP神经网络（back propagation neural network，BPNN）算法构建红边波段与耕地质量之间的光谱响应模型，比较3个模型的精度从而确定最佳模型，并结合Sentinel-2影像完成耕地质量制图。（剩余11569字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。