不同树种叶片养分含量提取的高光谱方法及精度评价

发布时间：2021-12-02 10:10

　　以深圳市坝光银叶园和大鹏半岛自然保护区19种湿地森林树种叶片可见光近红外光谱与全氮（Total Nitrogen, TN）、全磷（Total Phosphorus, TP）、全钾（Total Potassium, TK）含量关系为基础,分析了11种光谱预处理方式、3种光谱数据降维方式和2种建模方法对模型精度的影响。结果表明,标准正态变换（Standard Normal Variate, SNV）结合一阶导数（first derivative, 1st）预处理方式下模型精度最高;主成分分析（Principal Component Analysis, PCA）降维处理对模型的降维效果最好;支持向量回归（Support Vector Regression, SVR）的建模效果精度最高。对于TN、TP、TK最佳模型的预测确定系数均在0.80以上,模型RPD值也在2.0以上,SVR模型可以用于树种叶片TN、TP、TK的快速检测。 

【文章来源】：热带地理. 2020,40(02)北大核心CSCD

【文章页数】：9 页

【文章目录】：
1 材料与方法
    1.1 研究区概况
    1.2 样本采集
    1.3 研究方法
        1.3.1 植物叶片光谱的采集
        1.3.2 养分值测定
    1.4 高光谱数据预处理和降维方法
    1.5 建模集和预测集的划分
    1.6 模型构建
2 结果与分析
    2.1 不同光谱预处理方法下模型精度对比
    2.2 不同降维处理和建模方法下模型精度的比较
    2.3 不同建模方法对模型精度的影响
3 讨论
4 结论


【参考文献】：
期刊论文
[1]基于高光谱的油麦菜叶片水分CARS-ABC-SVR预测模型[J]. 孙俊,丛孙丽,毛罕平,武小红,张晓东,汪沛.  农业工程学报. 2017(05)
[2]基于核主成分分析的多输出模型确认方法[J]. 胡嘉蕊,吕震宙.  北京航空航天大学学报. 2017(07)
[3]基于PCA-KLFDA的小样本故障数据集降维方法[J]. 赵荣珍,王雪冬,邓林峰.  华中科技大学学报(自然科学版). 2015(12)
[4]基于光谱和成像技术的作物养分生理信息快速检测研究进展[J]. 何勇,彭继宇,刘飞,张初,孔汶汶.  农业工程学报. 2015(03)
[5]基于高光谱的番茄氮磷钾营养水平快速诊断[J]. 刘红玉,毛罕平,朱文静,张晓东,高洪燕.  农业工程学报. 2015(S1)
[6]基于高光谱的柑橘叶片磷含量估算模型实验[J]. 黄双萍,洪添胜,岳学军,吴伟斌,蔡坤,黎蕴玉.  农业机械学报. 2013(04)
[7]基于光谱特征分析的苹果树叶片营养素预测模型构建[J]. 张瑶,郑立华,李民赞,邓小蕾,王诗丛,张锋,冀荣华.  农业工程学报. 2013(08)
[8]轮台白杏叶片氮磷钾含量光谱估算模型[J]. 胡珍珠,潘存德,王世伟,郭志超,王清涛,丁凡,栗媛.  新疆农业科学. 2013(02)
[9]基于小波包变换的叶片高光谱数据的树种分类[J]. 褚西鹏,葛宏立,陈柯萍.  光谱实验室. 2012(05)
[10]基于光谱分析的果树叶片全氮、全磷、全钾含量估测研究——以红富士苹果树为例[J]. 邢东兴,常庆瑞.  西北农林科技大学学报(自然科学版). 2009(02)

硕士论文
[1]高光谱数据误差估计及降维方法研究[D]. 孙墨寒.中国地质大学（北京） 2013



本文编号：3528228