基于Stacking集成学习的夏玉米覆盖度估测模型研究

张宏鸣 陈丽君 刘 雯 韩文霆 张姝茵 张 凡

(1.西北农林科技大学信息工程学院， 陕西杨凌 712100； 2.西北农林科技大学机械与电子工程学院， 陕西杨凌 712100)

0 引言

玉米是我国重要的粮食作物，为了保证我国玉米产业的快速平稳发展，需要对玉米相关生长参数进行有效监测。植被覆盖度(Fractional vegetation cover，FVC)通常指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[1-2]。植被覆盖度反映植物进行光合作用的面积以及植被生长的茂盛程度，在一定程度上能够体现植被的生长状态和生长趋势[3-6]。因此，估测玉米覆盖度对指导生产管理和进行农业生态系统评价具有重要意义[7]。

植被覆盖度测量主要有地表实测法和遥感监测法[8-9]，由于受到人力物力的限制，地表实测法已逐渐被遥感检测法替代[10-11]。植被覆盖度的遥感估算方法主要包括混合像元分解法、统计模型法和数据挖掘法[12]。混合像元分解法一般应用于缺乏地面实测数据的情况[13]，主要有线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模型等，其中线性模型应用最为广泛[14],混合像元分解法要求植被具有较为明显的区域特点，且估测精度不高[15]。统计模型法主要利用遥感数据的某一波段、波段组合或遥感植被指数与地面FVC测量值进行统计分析，建立两者之间的数值模型，可分为线性回归模型和非线性回归模型，前者应用较为广泛[16-17]。统计模型法简单、容易实现，但只适用于特定区域与特定植被类型，且精度依赖于地面实测数据，对遥感数据空间分辨率要求高，大区域植被覆盖度估算可能失效，具有较大的不确定性和局限性，不宜推广[12]。……