基于改进人工神经网络的植物叶面积测定

  本文关键词：基于改进人工神经网络的植物叶面积测定，由笔耕文化传播整理发布。

基于改进人工神经网络的植物叶面积测定

2013年2月

doi：10．6041/j．issn．1000-1298．2013．02．037

农业机械学报

第44卷第2期

基于改进人工神经网络的植物叶面积测定

郭孝玉

1

*

孙玉军

1

王轶夫

1

林静媛

2

（1．北京林业大学省部共建森林培育与保护教育部重点实验室，北京100083；2．福建农林大学园林学院，福州350002）M算法和贝叶斯规则相结摘要：叶面积作为植物光合作用的重要指标，是研究作物及林木生产力的基础。采用L-合的网络训练模式，以毛竹叶面积为研究对象，综合优化其人工神经网络结构，构建最优的叶面积预测模型。研究结果显示，模型的最佳预测变量为叶片宽度和叶片长度变量组合，而增加叶片形状指数未提高叶面积预测模型精度；所建神经网络模型性能好、预测精度高，决定系数达0.992，平均相对预测误差为4.28%，可以准确估测毛竹叶面积。关键词：毛竹

叶面积

人工神经网络

贝叶斯规则

测定

中图分类号：TP183；S758

文献标识码：A

1298（2013）02-0200-05文章编号：1000-

ImprovedArtificialNeuralNetworkforDeterminationofPlantLeafArea

GuoXiaoyu1

SunYujun1

WangYifu1

LinJingyuan2

（1．TheKeyLaboratoryforSilvicultureandConservationofMinistryofEducation，BeijingForestryUniversity，Beijing100083，China

2．CollegeofLandscapeArchitecture，FujianAgricultureandForestryUniversity，Fuzhou350002，China）

Abstract：Leafareaisanessentialindicatorofphotosynthesisforthestudyofcropandforestproductivity．TheLevenberg-Marquardtback-propagationoptimizationalgorithmwascoupledwithBayesianregulationtotraintheartificialneuralnetwork（ANN），andthepredictivemodelwasdevelopedtodeterminaterapidlyandaccuratelyMosobambooleafarea．TheresultsshowedthatthebestinputvariableswerethecombinationofleafwidthandleaflengthforANNmodel，whereastheleafshapeindexdidnotsignificantlyaffectthevariabilityofleafarea．TheoptimizationANNmodelpossessedwithexcellentperformanceandpredictableaccuracy，withthehighdeterminationcoefficientof0.992andmeanrelativepredictionerrorof4.28%．TheANNmodelwouldbeallowedforestimatingaccuracytheleafareaofMosobamboo．Keywords：Mosobamboo

Leafarea

Artificialneuralnetwork

Bayesianregulation

Measurement

引言

植物叶片作为陆地生态系统截获太阳辐射并吸

收二氧化碳、释放氧气的最重要的器官，，其发育状况直接影响植物生长

［1～2］

面积具有重要的实用价值。

植物叶面积测定方法概括起来可分为直接法和

间接法。直接法主要是通过破坏性取样，量测叶面积大小，常见的有方格纸法、称质量法、求积仪法、排水法和数字图像处理法；间接法主要是基于非破坏性测定获取叶面积及相关参数，有仪器测定法（如LAI-2000型手持叶面积测定仪）和模型估计法

［1，6～10］

。植物叶面积是定量分析光

合作用和蒸腾作用的一个重要指标，也是植物生长

［3～5］

。叶面积测定是研究预估模型的一个重要参数

植物光合作用和生理生态功能的基础，也是直接测准确、经济地测定植物叶定叶面指数的基础。因此，

06-25修回日期：2012-08-25收稿日期：2012-*林业公益性行业科研专项经费资助项目（200904003-1）

。这些方法各有利弊，传统的直接测量法

易于操作、精度较高，但费时费力，对作物破坏性较

E-mail：fjgxy2009@126．com作者简介：郭孝玉，博士生，主要从事资源监测与评价研究，

E-mail：sunyj@bjfu．edu．cn通讯作者：孙玉军，教授，博士生导师，主要从事资源监测与评价研究，

Word文档免费下载：基于改进人工神经网络的植物叶面积测定 （共1页，当前第1页）

基于改进人工神经网络的植物叶面积测定的相关文档搜索

  本文关键词：基于改进人工神经网络的植物叶面积测定，由笔耕文化传播整理发布。