杨北萍 陈圣波 于海洋 安 秦 (吉林大学 地球探测科学与技术学院，长春 130012)

摘 要 为寻求高效的水稻产量估算方法，以2017年长春市九台和德惠地区的采样点为样本，遥感数据和气象数据为特征变量，通过对产量与特征变量间的相关性分析与特征变量之间的主成分分析和袋外数据(out-of-data,OOB)变量的重要性分析对特征变量进行选择，以选择后的特征变量为输入变量建立水稻产量估算的随机森林回归(RFR)模型。结果表明：特征变量优选后的RFR模型对水稻产量估算的精度更高，决定系数R2和平均相对误差MRE分别为0.950和0.060；并将该模型应用到农安地区，以多元逐步回归模型作为比较模型，表明RFR模型的水稻产量估算精度明显优于多元逐步回归模型，RFR模型的R2和MRE分别为0.730和0.090，多元逐步回归模型的R2和MRE分别为0.530和0.120。

水稻是我国的主要粮食作物之一，水稻产量的多少直接关系着农民的生活保障以及农业经济的发展进程，随着农业经济的发展，水稻产量估算费时费力的方法已经难以满足农业经济发展的需求，所以找寻水稻产量及时、准确的估算方法也越来越重要。遥感作为一种新兴的探测技术，能够准确快速的收集信息，目前，越来越多的研究学者利用遥感手段获取信息来进行农作物产量估算方面的研究。Hamar等[1]基于Landsat影像获取的不同遥感植被指数与玉米和小麦的产量建立了线性回归模型；洪雪[2]基于高光谱遥感数据的植被指数建立了水稻的产量关系模型，汤斌等[3]基于遥感和气象数据对江苏省水稻面积监测和估产进行了研究，但限于不同模型的选择虽采用了遥感技术但在产量估算精度上仍存在较大差异。……