摘要：为了快速、准确、大范围获取大田夏玉米的叶面积指数(Leaf area index,LAI),基于实地采集的夏玉米LAI和株高,结合同时期的无人机多光谱影像,选择与夏玉米LAI相关性较强的8种植被指数以及株高作为反演LAI的输入变量,采用梯度提升树(Gradient boosting decision tree,GBDT)算法建立植被指数及株高与叶面积指数之间的预测模型,并与支持向量机(Support vector machine,SVM)和随机森林(Random forest,RF)算法建立的模型进行预测精度对比。结果表明,GBDT算法在3个样本组中的LAI预测值与实测值 R^2分别为0.571 0、0.755 8、0.644 1,均高于SVM算法(0.547 2、0.679 1、0.616 8)和RF算法(0.550 5、0.697 3、0.629 5);对应的RMSE分别为0.002 7、0.001 5、0.001 6,均低于SVM算法(0.211 7、0.152 3、0.159 7)和RF算法(0.244 7、0.214 7、0.208 0)。该研究为快速准确的大田夏玉米LAI遥感监测提供了技术和方法。

简介：《农业机械学报》（CN：11-1964/S）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社