基于随机森林法的棉花叶片叶绿素含量估算

• 作者: 依尔夏提•阿不来提 买买提•沙吾提 白灯莎•买买提艾力 安申群 马春玥
• 来源期刊: 作物学报
• 关键词: SPAD值 棉花 随机森林法 高光谱估算模型
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 耕作栽培·生理生化
• 页码范围: 81-90
• 页数: 9页
• 语种: 中文
• DOI: 10.3724/SP.J.1006.2019.84058

摘要

为了高效和无损地估算棉花叶片的叶绿素含量，本研究测定了棉花光谱反射率及叶绿素含量(soil and plant analyzer development，SPAD)值，对光谱数据进行包络线去除处理、立方根转换和倒数转换，以SPAD值与反射光谱之间的相关性为基础，通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段，构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks，BPANN)、偏最小二乘回归(partial least squares regression，PLSR)两个模型。结果表明，在605~690nm范围内的反射率与SPAD值相关性达0.01显著水平，均呈负相关，相关系数最高值为0.619。与原始光谱相比，经过变换后的棉花反射率与SPAD值相关性结果相差较大，其中去除包络线光谱在550~750nm波段范围有效提高了相关性，相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段，进而提高模型估算精度。在两种模型中，基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R2分别为0.92、0.83，说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26，RE分别为1.30%、1.89%，表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看，PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。