水稻叶片氮含量反演偏最小二乘模型设计

水稻叶片氮含量反演偏最小二乘模型设计
王奕涵;石铁柱;刘会增;王俊杰;邬国锋
【期刊名称】《遥感信息》
【年(卷),期】2015(000)006
【摘要】To reduce the data redundancy and complexity of partial least square regression (PLSR)model in retrieving nitrogen content of crops,this article tries to combine band depth analysis (BDA)and genetic algorithm (GA)to build PLSR models for rice nitrogen content retrieval.Based on the continuum-removed spectrum over 350nm~750nm of paddy rice,BDA is employed to derive band depth indexes,including band depth (BD),band depth ratio (BDR),normalized band depth index (NBDI)and band depth normalized to area (BNA),and they are used to build BDA-PLSR models.GA is then utilized to select BDA-derived index most highly correlated with the nitrogen content to build GA-PLSR models,and it is then compared with the BDA-PLSR models.Results show that the nitrogen contents are best estimated by the GA-PLSR model based on BNA (Adj .R2 =0.67,
RMSEP=0.20,RPD=1.84).It is concluded that the combination of BDA and PLSR could reduce the data redundancy,and further selection by GA could explore spectral information effectively and improve the nitrogen content estimation accuracy.%针对高光谱偏最小二乘模型（PLSR）反演作物氮含量时易出现数据冗余和模型复杂的问题，尝试结合波段深度分析和遗传算法（GA）建立水稻氮含量 PLSR 反演模型。

基于去包络线处理的水稻高光谱数据（350nm～
750nm），选取波段深度（BD）、波段深度比（BDR）、归一化面积波段深度（BNA）和归一化面积波段指数（NBDI）4种波段深度指数分别建立 BDA-PLSR 模型，进而采用遗传算法波段选择选取最适宜波段深度指数建立 GA-PLSR模型，并将 GA-PLSR 模型与 BDA-PLSR 模型进行对比。

结果显示，基于 BNA 的 GA-PLSR 模型在反演水稻氮含量中获得了最佳的结果（Adj．R 2＝0．67，RMSEP＝0．20，RPD＝1．84）。

研究证明，利用波段深度分析建立的 PLSR模型能一定程度上解决数据冗余问题，进一步采用遗传算法进行波段选择能更有效挖掘光谱信息，提高模型精度。

【总页数】6页(P42-47)
【作者】王奕涵;石铁柱;刘会增;王俊杰;邬国锋
【作者单位】武汉大学资源与环境科学学院，武汉 430079;武汉大学资源与环境科学学院，武汉 430079;武汉大学资源与环境科学学院，武汉 430079;武汉大学资源与环境科学学院，武汉 430079;海岸带地理环境监测国家测绘地理信息局重点实验室，广东深圳 518060; 空间信息智能感知与服务深圳市重点实验室，广东深圳 518060; 深圳大学生命科学学院，广东深圳 518060
【正文语种】中文
【中图分类】TP79
【相关文献】
1.小波分析用于水稻叶片氮含量高光谱反演 [J], 方美红;刘湘南
2.基于高光谱的水稻叶片氮素估测与反演模型 [J], 张国圣;许童羽;于丰华;陈春玲;王洋
3.基于图像特征的水稻叶片全氮含量估测模型研究 [J], 杨红云;罗建军;孙爱珍;万
颖;易文龙
4.基于高光谱的水稻叶片氮含量估计的深度森林模型研究 [J], 李金敏;陈秀青;杨琦;史良胜
5.基于偏振反射模型和随机森林回归的叶片氮含量反演 [J], 张子晗;晏磊;刘思远;付瑜;姜凯文;杨彬;刘绥华;张飞舟
因版权原因，仅展示原文概要，查看原文内容请购买。