基于光谱预处理和机器学习算法的烤烟叶绿素含量预测

文献类型： 中文期刊

第一作者： 王韦燕

作者： 王韦燕;冯文强;常乃杰;刘青丽;李志宏;陈玉蓝;黎昌明;陈曦;张云贵

作者机构：

关键词： 烤烟;叶绿素相对含量（SPAD）;高光谱;光谱预处理;随机森林;BP神经网络

期刊名称： 中国土壤与肥料

ISSN：

年卷期： 2023 年 003 期

页码： 194-201

收录情况： 北大核心 ; CSCD

摘要： 叶绿素是作物进行光合作用合成有机物的主要色素，实时监测烤烟叶片叶绿素含量对跟踪烟株氮素营养状况和判别烟叶成熟度具有重要的指导作用。基于对烤烟叶片光谱特征的分析，以不同供氮水平下实测的烟叶高光谱数据及叶绿素相对含量（SPAD）为数据源，采用一阶导数（1st Der）、多元散射校正（MSC）、标准正态变量（SNV）和SG平滑（SG）对原始光谱数据进行预处理，先采用连续投影法（SPA）挑选出每个预处理条件下的特征波长，后将各特征波段下的光谱反射率作为模型的输入变量，利用反向传播神经网络（BPNN）、随机森林（RF）和支持向量机（SVM）3种机器学习的方法分别构建烤烟叶片叶绿素含量估测模型。使用决定系数（R~2）、均方根误差（RMSE）和平均绝对值误差（MAE）对每个机器学习模型的性能进行了评估和比较。结果表明：3种机器学习方法训练出的模型相比较，RF模型的预测准确率最高；烤烟叶片原始光谱经MSC和SNV预处理后的光谱信息作为输入变量，经RF算法建模具有较高的精度和良好的预测能力，模型为MSC-SPA-RF（R~2=0.96,RMSE=1.15,MAE=0.94）和SNV-SPA-RF（R~2=0.96,RMSE=1.14,MAE=0.94）。说明基于机器学习利用高光谱数据估算烤烟叶片叶绿素含量具有可行性，这为实时、精确地监控烤烟生长过程中叶片叶绿素含量变化状况以及合理科学的进行田间管理提供了一定的理论基础。

分类号： S572

  • 相关文献

[1]基于特征光谱参数的苹果叶片叶绿素含量估算. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏. 2018

[2]基于高光谱数据的高寒草地土壤有机碳预测模型研究. 崔霞,宋清洁,张瑶瑶,胥刚,孟宝平,高金龙. 2017

[3]基于EFAST方法的苹果叶片叶绿素含量估算. 杨福芹,沙从术,冯海宽,韩瑞芳,徐平. 2017

[4]基于高光谱的苹果叶片叶绿素含量估算. 杨福芹,冯海宽,李振海,杨贵军,戴华阳. 2017

[5]基于无人机高光谱长势指标的冬小麦长势监测. 陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文. 2020

[6]倒伏胁迫下的玉米冠层结构特征变化与光谱响应解析. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓,孙乾,周龙飞. 2019

[7]基于无人机数码影像和高光谱数据的冬小麦产量估算对比. 陶惠林,冯海宽,杨贵军,杨小冬,苗梦珂,吴智超,翟丽婷. 2019

[8]基于随机森林算法的冬小麦叶面积指数遥感反演研究. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍. 2018

[9]基于随机森林的高寒草地地上生物量高光谱估算. 高宏元,侯蒙京,葛静,包旭莹,李元春,刘洁,冯琦胜,梁天刚,贺金生,钱大文. 2021

[10]基于特征光谱参数的叶片和冠层尺度茶多酚含量估算. 段丹丹,刘仲华,赵春江,赵钰,王凡. 2024

[11]基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算. 依尔夏提·阿不来提,白灯莎·买买提艾力,买买提·沙吾提,安申群. 2019

[12]基于高光谱的山区耕地土壤有机质含量估测. 张永亮,汪泓,肖玖军,李可相,王宇,邢丹. 2024

[13]玉米中伏马毒素B污染高光谱快速检测模型研究. 康孝存,沈广辉,徐剑宏,马桂珍,史建荣. 2023

[14]基于高光谱和数据挖掘的油菜植株含水率定量监测模型. 潘月,曹宏鑫,齐家国,吴菲,韩旭杰,丁昊迪,葛道阔,张玲玲,张伟欣,张文宇. 2022

[15]花后浅地下水埋深对小麦高光谱特征的影响及叶绿素估算模型. 吴启侠,晏军,朱建强,李东伟,周新国,郭树龙. 2018

[16]基于随机森林的烤烟香型分类研究. 郭东锋,胡海洲,汪季涛,姚忠达,杨辉,徐玮,刘新民. 2015

[17]烤烟发病叶片高光谱特征分析. 窦玉青,李新举,王梅,徐冬云,刘明芹. 2015

[18]烤烟成熟鲜烟叶生化组分高光谱估算方法筛选. 李佛琳,赵春江,刘良云,王纪华,曹卫星. 2006

[19]基于可见–近红外光谱的水稻土全磷反演研究. 周鼎浩,薛利红,李颖,杨林章. 2014

[20]基于SPA和PLS的南疆绿洲区土壤盐分的近红外光谱分析. 张楠楠,张晓,施明登,范泽华,王涛,白铁成. 2018

作者其他论文 更多>>

微信小程序