摘要：为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法（random forest,RF）将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析（correlation coefficient,r）、袋外数据（out-of-bag data,OOB）重要性和灰色关联分析（grey relational analysis,GRA）与随机森林算法（RF）进行整合,构建了3种冬小麦生物量估算模型：r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明：r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m^2,均方根误差分别为0.218、0.221和0.236 kg/m^2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。

关键词：遥感 生物量 模型 冬小麦 随机森林 

单位：河南理工大学测绘与国土信息工程学院; 焦作454000; 北京农业信息技术研究中心; 北京100097; 国家农业信息化工程技术研究中心; 北京100097; 农业部农业信息技术重点实验室; 北京100097; 北京市农业物联网工程技术研究中心; 北京100097