粳稻冠层叶绿素含量PSO-ELM高光谱遥感反演估算

• 作者: 于丰华 冯帅 王定康 许童羽 赵依然 邢思敏
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 无人机 叶绿素含量 粳稻 高光谱遥感 粒子群优化极限学习机
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 59-66
• 页数: 8页
• 分类号: S127|S511|S252.2
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.202007044

摘要

[目的]叶绿素含量是表征粳稻生长状态的重要指示信息,利用无人机高光谱遥感技术及时获取区域尺度的粳稻叶绿素含量.[方法]以2016—2017年沈阳农业大学辽中水稻实验站粳稻无人机遥感试验数据为基础,利用连续投影算法(SPA)进行有效波段的提取,提取的特征波段分别为410、481、533、702和798 nm.将提取出的特征波段作为输入,利用极限学习机(ELM)和粒子群优化的极限学习机(PSO-ELM)分别建立粳稻冠层叶绿素含量反演模型.在PSO-ELM模型中,针对PSO算法的种群规模(p)、惯性权重(w)、学习因子(C1、C2)、速度位置相关系数(m)这5个参数进行了优化.[结果]确定了最优参数:p为80,w为0.9～0.3线性递减,C1和C2分别为2.80和1.10,m为0.60.利用优化后的ELM和PSO-ELM所建立的粳稻冠层叶绿素含量模型的决定系数分别为0.734和0.887,均方根误差分别为1.824和0.783.[结论]利用优化后的PSO-ELM建立的粳稻叶绿素含量反演模型精度要明显高于单纯利用ELM建立的反演模型,前者具有较好的粳稻叶绿素含量反演能力.本研究为东北粳稻叶绿素含量反演无人机遥感诊断提供了数据支撑和应用基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许童羽		118	718	16.0	21.0
2	冯帅		4	6	2.0	2.0
3	于丰华		15	35	3.0	5.0
4	赵依然		1	0	0.0	0.0
5	王定康		2	0	0.0	0.0
6	邢思敏		1	0	0.0	0.0