粳稻冠层叶绿素含量PSO-ELM高光谱遥感反演估算

发布时间：2023-04-11 05:53

　　【目的】叶绿素含量是表征粳稻生长状态的重要指示信息,利用无人机高光谱遥感技术及时获取区域尺度的粳稻叶绿素含量。【方法】以2016—2017年沈阳农业大学辽中水稻实验站粳稻无人机遥感试验数据为基础,利用连续投影算法(SPA)进行有效波段的提取,提取的特征波段分别为410、481、533、702和798 nm。将提取出的特征波段作为输入,利用极限学习机(ELM)和粒子群优化的极限学习机(PSO-ELM)分别建立粳稻冠层叶绿素含量反演模型。在PSO-ELM模型中,针对PSO算法的种群规模(p)、惯性权重(w)、学习因子(C₁、C₂)、速度位置相关系数(m)这5个参数进行了优化。【结果】确定了最优参数:p为80,w为0.9～0.3线性递减,C₁和C₂分别为2.80和1.10,m为0.60。利用优化后的ELM和PSO-ELM所建立的粳稻冠层叶绿素含量模型的决定系数分别为0.734和0.887,均方根误差分别为1.824和0.783。【结论】利用优化后的PSO-ELM建立的粳稻叶绿素含量反演模型精度要明显高于单...

【文章页数】：8 页

【文章目录】：
1 材料与方法
    1.1 试验区域与试验设计
    1.2 无人机高光谱影像数据获取
    1.3 粳稻田间数据获取与叶绿素含量测定
    1.4 数据处理
    1.5 高光谱特征波段提取
    1.6 叶绿素含量PSO-ELM反演建模
2 结果与分析
    2.1 粳稻高光谱特征波段提取结果
    2.2 叶绿素含量的反演模型
3 讨论与结论



本文编号：3789434