文献类型： 中文期刊

作者： 彭俊杰 ¹ ; 汪泓 ¹ ; 王宇 ¹ ; 肖玖军 ² ; 李可相 ² ; 邢丹 ³ ;

作者机构： 1.贵州大学矿业学院

2.贵州省山地资源研究所

3.贵州省农业科学院辣椒研究所

关键词： 辣椒;叶绿素;高光谱波段选择;遗传偏最小二乘算法;连续投影算法;贝叶斯优化随机森林

期刊名称： 江苏农业科学

ISSN： 1002-1302

年卷期： 2024 年 007 期

页码： 184-192

收录情况： 北大核心

摘要： 叶绿素对辣椒的长势评估和营养状况管理具有重要的意义，针对高光谱存在数据量大和冗余度高的问题，探究不同特征选择算法相结合进行高光谱叶绿素含量估测的可行性。以贵州省遵义市栽培辣椒为研究对象，采集盛果期辣椒冠层高光谱数据，通过卷积平滑（SG）、一阶微分（FD）、二阶微分（SD）和多元散射校正（MSC）处理原始光谱数据，比较不同预处理方法下的贝叶斯优化随机森林（BO-RF）估测效果，以MSC预处理后的数据为基础，运用遗传偏最小二乘算法结合连续投影算法（GA-PLS-SPA）进行最优特征波段选取，最后以GA-PLS、SPA和GA-PLS-SPA分别选取的特征波段作为输入变量，建立BO-RF、RF和BP神经网络模型来验证GA-PLS-SPA的普适性和广泛性。结果表明，MSC相比其他预处理方法对叶绿素含量的反演效果最好；相同估测模型条件下，基于GA-PLS-SPA建立的估测模型精度最高，选取特征波段数量最少，为7个，GA-PLS-SPA-BO-RF是估测叶绿素含量的最佳模型，训练集的R~2、RMSE和RPD分别为0.896、2.791和3.124,测试集的R~2、RMSE和RPD分别为0.913、2.965和3.414;相同算法建模条件下，BO-RF的精度明显高于RF和BP神经网络。MSC处理后的光谱能极大程度提取出辣椒叶片的叶绿素信息，GA-PLS-SPA能有效实现特征波段选取，降低模型复杂度，BO-RF具有良好的叶绿素含量反演能力。