基于机器学习的油菜叶片水分含量高光谱估测

基于机器学习的油菜叶片水分含量高光谱估测
宋丽芳;廖桂平;陈敏;何罗驭阳
【期刊名称】《中国农业科技导报》
【年(卷),期】2024(26)5
【摘要】含水率是影响光合作用的重要因素之一,为了构建效果更好、更具普适性的油菜叶片含水量(leaf water content,LWC)定量监测模型,以蕾薹期、初花期油菜叶片为研究对象,采用自然风干法去除叶片水分,同步采集叶片质量和光谱信息。

为了降低干扰以及消除噪声,采用标准正态变量变换、Savitzky-Golay卷积平滑算法(SG平滑)、多元散射校正、一阶求导和二阶求导5种方法对光谱数据进行预处理,并结合偏最小二乘法(partial least squares,PLS)分析选取最优预处理方法;采用连续投影算法(successive projections algorithm,SPA)筛选预处理后的光谱特征变量,获得对水分含量变化敏感的特征波长;利用支持向量机(support vector regression,SVR)和BP神经网络(back-propagation neural network,BPNN)方法,以特征波长建立的光谱指数为自变量建立油菜叶片水分含量估算模型。

结果表明:采用多元散射校正预处理综合表现最好,2个生育期预测集相关系数均达到0.71以上;通过SPA法选择特征变量,分别筛选出特征波长,其中蕾薹期6个,初花期7个;在蕾薹期和初花期叶片水分含量预测模型中,基于SVR模型和BPNN模型建立的模型预测集决定系数(R2)均在0.800以上,均能实现油菜叶片水分含量的精准监测,其中SVR模型预测效果优于BPNN模型,R2分别为0.857和0.827,RMSE分别为1.791和1.521。

因此,利用油菜叶片高光谱建模反演油菜叶片含水率能准确监测油菜叶片含水率,可为精准农业水分管理提供理论参考。

【总页数】10页(P110-119)
【作者】宋丽芳;廖桂平;陈敏;何罗驭阳
【作者单位】湖南农业大学农学院
【正文语种】中文
【中图分类】S126
【相关文献】
1.基于高光谱特征波长的冬小麦水分含量估测模型
2.基于机器学习与光谱技术的油菜叶片含水率估测研究
3.基于高光谱的油菜叶片SPAD值估测模型比较
4.基于机器学习的春小麦叶片水分含量高光谱估算
5.基于高光谱与机器学习算法的芦苇叶片叶绿素含量估测
因版权原因，仅展示原文概要，查看原文内容请购买。