基于高光谱和参数优化支持向量机的水稻施氮水平分类研究

文献类型： 中文期刊

第一作者： 罗建军

作者： 罗建军;杨红云;路艳;万颖;孙爱珍;易文龙

作者机构：

关键词： 水稻;氮素营养诊断;高光谱;主成分分析;支持向量机

期刊名称： 中国土壤与肥料

ISSN： 1673-6257

年卷期： 2020 年 005 期

页码： 250-257

收录情况： 北大核心 ; CSCD

摘要： 为探索水稻氮素营养的快速、无损诊断方法以及构建基于高光谱技术的水稻氮素营养状况分类识别模型.本研究以4种不同施氮水平的"中嘉早17"水稻分蘖期顶部第三完全展开叶叶片(简称顶三叶)为研究对象,测定各叶片的可见光到近红外波段(350~2500 nm)内的光谱数据,对所获取的光谱数据进行平滑处理和归一化处理,以消除噪声及量纲的影响,并采用主成分分析(PCA)的方法进行数据降维至22维,同时分别选用基于网格搜索算法、粒子群算法和遗传算法优化参数的支持向量机进行水稻氮素营养状况分类识别模型的建立.研究结果表明:1)不同施氮水平下的水稻叶片光谱反射率曲线走势大致相同,但不同施氮水平下780~1 300、1 400~1 850及1 900~2500 nm波段光谱反射率存在一定的差别;2)优化参数后的SVM模型与默认参数下的SVM模型相比,其训练集与测试集分类识别效果都要优于默认参数下的SVM模型.其中,以遗传算法优化参数的SVM模型识别分类效果最佳,训练集和测试集识别准确率分别为99.375%、98.750%,测试集的4种施氮水平(施氮量从低到高)识别准确率分别为100%、95%、100%和100%.结果表明利用高光谱技术能够很好地进行水稻氮素营养状况的定性诊断研究.为快速水稻氮素营养诊断提供了一种新途径,为精确施氮提供了技术支撑和理论依据.

分类号： S511

  • 相关文献

[1]基于高光谱的水稻叶片氮素营养诊断研究. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华. 2019

[2]冬小麦叶面积指数遥感反演方法比较研究. 谢巧云,黄文江,蔡淑红,梁栋,彭代亮,张清,黄林生,杨贵军,张东彦. 2014

[3]冬小麦叶片光合特征高光谱遥感估算模型的比较研究. 张卓,龙慧灵,王崇倡,杨贵军. 2019

[4]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

[5]基于无人机高光谱遥感的太行山经济林树种识别研究. 孙一丹,杨晓楠,张海涛,张爱军,庞立欣,郭艳超,郭雪涛,梁欣. 2024

[6]不同颗粒大小对高光谱估算土壤有机质含量的影响. 司海青,姚艳敏,王德营,刘影. 2015

[7]基于支持向量机模型的冬小麦全蚀病为害等级遥感监测. 焦红涛,吴旭,司海平,时雷,郭伟,马新明,周益林. 2014

[8]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[9]基于波段选择的烟草病害检测模型. 潘兆杰,孙根云,张爱竹,付航,王新伟,任广伟. 2023

[10]基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型. 李敏,覃泽林,兰宗宝,方辉,余圣新,莫小香,谢国雪,曾志康. 2023

[11]基于BP神经网络和概率神经网络的水稻图像氮素营养诊断. 周琼,杨红云,杨珺,孙玉婷,孙爱珍,杨文姬. 2019

[12]基于高光谱图像光谱与纹理信息的生菜氮素含量检测. 孙俊,金夏明,毛罕平,武小红,朱文静,张晓东,高洪燕. 2014

[13]基于支持向量机的鱼群摄食行为识别技术. 陈彩文,杜永贵,周超,孙传恒. 2018

[14]基于机器视觉的稻谷品种鉴别方法比较. 冯晓星,许学. 2019

[15]基于支持向量机的新鲜与解冻许氏平鲉(Sebastes schlegeli)近红外光谱鉴别技术. 刘申申,孙永,周德庆. 2015

[16]基于分级阈值和多级筛分的玉米果穗穗粒分割方法. 杜建军,郭新宇,王传宇,肖伯祥,吴升. 2015

[17]基于支持向量机的新鲜与解冻许氏平鲉(ebastes schlegeli)近红外光谱鉴别技术. 刘申申,孙永,周德庆. 2015

[18]基于高光谱图谱融合技术的英德红茶等级快速无损判别. 刘翠玲,秦冬,凌彩金,孙晓荣,郜礼阳,昝佳睿. 2023

[19]基于近红外光谱的纽荷尔脐橙产地识别研究. 廖秋红,何绍兰,谢让金,钱春,胡德玉,吕强,易时来,郑永强,邓烈. 2015

[20]基于主成分分析-支持向量机的我国农业科技创新能力评价. 秦薇,万忠,康乐. 2019

作者其他论文 更多>>

微信小程序