基于赤池信息量准则的冬小麦叶面积指数估算

冬小麦叶面积指数（LAI）是重要的农学参数之一，对冬小麦长势分析、产量预测具有重要意义。使用2008/2009年在中国北京市通州区和顺义区获取的整个生育期冬小麦叶面积指数和对应的光谱数据，将相关系数（|r|）-赤池信息量准则（AIC）、灰色关联分析（GRA）-AIC、变量投影重要性（VIP）-AIC、VIP-预测残差平方和(PRESS)系数分别与偏最小二乘法（PLS）进行整合，提出利用AIC择优构建冬小麦LAI估算模型，并与传统PRESS方法构建的冬小麦LAI模型进行比较。结果表明：|r|-PLS-AIC、GRA-PLS-AIC、VIP-PLS-AIC、VIP-PLS-PRESS建模的R2分别为0.72、0.67、0.73和0.70，VIP PLS-AIC比|r|-PLS-AIC、GRA-PLS-AIC和VIP-PLS-PRESS有更好的冬小麦LAI预测能力。考虑到冬小麦LAI的时域特性，将2009/2010年相关数据引入模型中，评价模型对不同年际的冬小麦估测能力。研究表明VIP-PLS-AIC（RMSE为0.81）较|r|-PLS-AIC（RMSE为0.87）、GRA-PLS-AIC（RMSE为0.96）和VIP-PLS-PRESS（RMSE为0.83）有更高的精度。将AIC作为冬小麦LAI最优估测模型筛选条件不仅能获得同年LAI的最优估算模型，而且适用于不同年际的冬小麦LAI探测研究