基于随机蛙跳和支持向量机的冬小麦叶面积指数估算

• 作者: 冯美臣 孙晶京 杨武德 肖璐洁
• 来源期刊: 山西农业大学学报(自然科学版)
• 关键词: 可见光/近红外光谱 叶面积指数(LAI) 光谱变换 随机蛙跳 最小二乘-支持向量回归(LS-SVR)
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 农业信息与工程
• 页码范围: 120-128
• 页数: 9页
• 分类号: S512.11
• 语种: 中文
• DOI: 10.13842/j.cnki.issn1671-8151.202004035

摘要

[目的]作物叶面积指数(LAI)与其长势密切相关,通过研究小麦冠层光谱的不同预处理方法、波段选择方法和模型构建方法的不同组合,找出适用于小麦LAI估算的最佳预测模型,为快速准确监测冬小麦LAI提供参考.[方法]本研究以冬小麦为研究对象,测定其在不同生育时期的LAI与冠层光谱反射率,研究了原始光谱、一阶和二阶导数光谱与LAI之间的相关系数并采用随机蛙跳算法对其进行特征波段的提取,最后基于选取的特征波段,使用偏最小二乘回归(PLSR)和最小二乘支持向量回归(LS-SVR)分别构建LAI预测模型.[结果]结果表明,二阶导数光谱不仅可以改善红边区域波段与LAI之间的相关系数,在725 nm处其相关系数达到0.662,而且提高了特征波段的选择概率,在732 nm处,其选择概率达到0.688.相比采用相关系数和竞争自适应重加权采样(CARS)所建的模型,用随机蛙跳选择的特征波段构建的模型预测精度更高,校正集决定系数达到0.956,验证集决定系数达到0.902,校正集均方根误差降低到0.367,验证集均方根误差降低到0.601.此外,在LAI的预测模型中,LS-SVR的性能优于PLSR.[结论]采用二阶导数预处理结合随机蛙跳特征波长选择算法并使用LS-SVR构建的LAI预测模型性能最佳,可为快速检测LAI提供一种可行的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯美臣	山西农业大学农学院	48	335	9.0	17.0
2	杨武德	山西农业大学农学院	97	1082	19.0	29.0
3	孙晶京	山西农业大学农学院	7	5	2.0	2.0
7	肖璐洁	山西农业大学农学院	16	87	4.0	9.0