来源：期刊VIP网 时间：
作者：张运;方浩帆;茆红;张露敏;许广涛;
单位：安徽师范大学地理与旅游学院;资源环境与地理学信息工程安徽省工程技术研究中心;
摘要：准确反演叶绿素含量对监测水稻长势具有重要意义。由于存在经验模型的缺乏普遍性和物理模型的解不唯一性问题，混合模型成为精确反演叶绿素含量的重要方法，但在此过程中产生冗余的数据集会造成庞大的标记成本。文章基于PROSAIL模型所生成的模拟数据库，将光谱反射率变化率作为特征变量并使用主动学习方法的不同查询策略进行智能采样，通过潜在地抛弃对模型产生负面影响的样本以降低数据集的标记成本，实现水稻冠层叶绿素含量的反演。结果表明，在662 nm到696 nm处的光谱反射率变化率与叶绿素含量相关性系数最高，在反演叶绿素含量时具有更高精度。此外，在主动学习的不同查询策略中，回归池抽样的建模精度最高，R~2为0.876,RMSE为1.961。分析表明，主动学习在显著降低标记成本的同时可以提高反演精度，为实现叶绿素含量的精确、快速反演提供依据。
关键词：混合模型;;光谱反射率变化率;;标记成本;;智能采样;;查询策略
基金资助：安徽省重点研究与开发计划(202104g01020004);; 安徽省科技重大专项(202003a06020002);; 安徽省高等学校科学研究重点项目(2023AH050137);; 高分辨率对地观测系统国家科技重大专项(76-Y50G14-0038-22/23)
