基于多特征和改进BPNN的降香黄檀冠层叶片全氮含量无损诊断

• 作者: 刘嘉政 王雪峰 薛杨 陈毅青 陈珠琳
• 来源期刊: 生态学杂志
• 关键词: 营养诊断 全氮 PSO-BP-Adaboost 数字图像处理 降香黄檀
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 方法与技术
• 页码范围: 275-282
• 页数: 8页
• 语种: 中文
• DOI: 10.13292/j.1000-4890.201901.005

摘要

氮素是植物生命活动不可或缺的营养成分之一,合理的施肥不仅有利于植物健康成长,还可以减少对土壤及地下水污染等生态问题.本研究以降香黄檀为对象,提出了一种基于多特征和改进BPNN(Back Propagation Neural Network)的冠层叶片全氮含量无损诊断方法.通过数字图像处理技术对冠层图像进行分割,计算得到27种图像特征(颜色、纹理、形状),通过计算Pearson系数筛选出与全氮含量显著相关的因子,做主成分分析并提取前四主成分,将其作为改进BPNN(即PSO-BPNN-Adaboost)的输入向量.结果表明:使用多特征能更全面准确地反映降香黄檀冠层叶片的全氮含量;另一方面,BPNN、PSO-BPNN、BPNN-Adaboost与PSO-BPNN-Adaboost算法的比较结果表明,PSO-BPNN-Adaboost算法更可靠;同时,PSO处理对结果的优化程度更大,因此对于BP神经网络来说,需要先找一个合适的初始值和阈值,再对其进行增强处理.本研究考虑了氮胁迫对植株多方面的影响,突破了仅限于从颜色角度实现全氮含量预测的方法,也为珍贵树种经营中“精准施肥”提供了参考,可有效减小使用过量肥料造成的生态污染等问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛杨		105	200	6.0	8.0
2	王雪峰	中国林业科学研究院资源信息研究所	50	264	10.0	13.0
3	陈毅青		26	61	5.0	7.0
4	陈珠琳	中国林业科学研究院资源信息研究所	12	11	2.0	3.0
5	刘嘉政	中国林业科学研究院资源信息研究所	6	3	1.0	1.0