摘要
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.
基金项目
国家重点研发计划(2022YFD1100307)
贵州省科技支撑计划(黔科合支撑[2020]1Y172号)
贵州省科技支撑计划(黔科合支撑[2021]一般496号)
贵州省科技支撑计划(黔科合支撑[2021]一般173号)
贵州科学院青年基金(黔科院J字[2018]25号)
国家科技期刊平台
NSTL
维普
万方数据