基于PLSR的苎麻叶片含水量估测模型建立及优化

• 作者: 曹晓兰 汪佩佩 邓梦洁
• 来源期刊: 激光生物学报
• 学科: 农学
• 关键词: 苎麻叶片 高光谱 偏最小二乘回归 特征波长 含水量
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 467-473
• 页数: 7页
• 分类号: S123|S563.1
• 字数: 4945字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7146.2018.05.012

摘要

为建立基于高光谱的苎麻叶片含水量估测模型,在大田栽培条件下,采集了360个苎麻叶片高光谱数据和相应的叶片含水量.用高杠杆值排除异常样本,用浓度梯度法划分样本集.采用多种光谱预处理方法,建立并比较各预处理方法的PLSR(partial least squares regression)模型效果,其中OSC(orthonormal signalcorrection)预处理方法最佳,预测集R2=0.8503,RMSEp=0.0235.为了减少变量个数,通过OSC_PLSR模型的回归系数RC(regression coefficient)选择特征波段EB(effective bands)作为输入变量.随后,为了进一步降低计算量,本研究提出的一种新的特征提取方法:在基于RCEB建立的PLSR模型中,再次提取RC特征波长EW(effective wavelength).由建模结果可知:与全波段相比,2种特征提取方法的变量个数均大幅减少(全波段为2031个,RCEB为508个,RCEB_EW为16个);RCEB_PLS模型预测集指标最佳(R2=0.8546,RMSEp=0.0232);与RCEB_PLS模型相比,RCEB_EW_PLSR模型预测集指标略低(R2=0.8499,RMSEp=0.0234),但这种方法变量个数最少,因此综合评价效果最优.研究探讨了叶片高光谱与含水量之间的量化关系,建立基于高光谱的叶片含水量预测模型,对作物栽培中水分的实时监测和精确诊断具有实际指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹晓兰	湖南农业大学信息科学技术学院	25	108	5.0	9.0
2	汪佩佩	湖南农业大学信息科学技术学院	2	1	1.0	1.0
3	邓梦洁	湖南农业大学信息科学技术学院	1	1	1.0	1.0