首页|基于GA-PLS-SPA的辣椒叶片叶绿素含量高光谱估测

基于GA-PLS-SPA的辣椒叶片叶绿素含量高光谱估测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
叶绿素对辣椒的长势评估和营养状况管理具有重要的意义,针对高光谱存在数据量大和冗余度高的问题,探究不同特征选择算法相结合进行高光谱叶绿素含量估测的可行性.以贵州省遵义市栽培辣椒为研究对象,采集盛果期辣椒冠层高光谱数据,通过卷积平滑(SG)、一阶微分(FD)、二阶微分(SD)和多元散射校正(MSC)处理原始光谱数据,比较不同预处理方法下的贝叶斯优化随机森林(BO-RF)估测效果,以MSC预处理后的数据为基础,运用遗传偏最小二乘算法结合连续投影算法(GA-PLS-SPA)进行最优特征波段选取,最后以GA-PLS、SPA和GA-PLS-SPA分别选取的特征波段作为输入变量,建立BO-RF、RF和BP神经网络模型来验证GA-PLS-SPA的普适性和广泛性.结果表明,MSC相比其他预处理方法对叶绿素含量的反演效果最好;相同估测模型条件下,基于GA-PLS-SPA建立的估测模型精度最高,选取特征波段数量最少,为7个,GA-PLS-SPA-BO-RF是估测叶绿素含量的最佳模型,训练集的R2、RMSE和RPD分别为0.896、2.791和3.124,测试集的R2、RMSE和RPD分别为0.913、2.965和3.414;相同算法建模条件下,BO-RF的精度明显高于RF和BP神经网络.MSC处理后的光谱能极大程度提取出辣椒叶片的叶绿素信息,GA-PLS-SPA能有效实现特征波段选取,降低模型复杂度,BO-RF具有良好的叶绿素含量反演能力.

彭俊杰、汪泓、王宇、肖玖军、李可相、邢丹

展开 >

贵州大学矿业学院,贵州贵阳 550025

贵州省山地资源研究所,贵州贵阳 550001

贵州省土地绿色整治工程研究中心,贵州贵阳 550001

贵州省农业科学院辣椒研究所,贵州贵阳 550009

展开 >

辣椒 叶绿素 高光谱波段选择 遗传偏最小二乘算法 连续投影算法 贝叶斯优化随机森林

国家重点研发计划贵州省科技支撑计划贵州省科技支撑计划贵州省科技支撑计划贵州科学院青年基金

2022YFD1100307黔科合支撑[2020]1Y172号黔科合支撑[2021]一般496号黔科合支撑[2021]一般173号黔科院J字[2018]25号

2024

10.15889/j.issn.1002-1302.2024.07.025

江苏农业科学
江苏省农业科学院

江苏农业科学

CSTPCD北大核心
影响因子：0.732
ISSN：1002-1302
年,卷(期)：2024.52(7)
  • 39