基于全波段高光谱的冬小麦生长参数估算方法比较

发布时间：2024-03-14 03:32

　　利用高光谱数据监测作物生长情况具有无损和高效的特点,是现代农业的发展方向。为了简化高光谱数据处理流程,直接利用原始的高光谱反射率完成从建模到估算作物生长参数的全过程,应用于作物长势的实时监测。本文利用偏最小二乘回归(partial least squares regression,PLSR)、支持向量回归(support vector regression,SVR)和前馈神经网络(feedforward neural network,FNN)3种方法,利用全波段高光谱数据分别对冬小麦多个关键生育期(拔节、孕穗、扬花和乳熟期)生长参数(地上部生物量、叶面积指数、全氮含量和叶绿素浓度)进行了估算。比较3种方法的建模及估测效果,发现对于建模集数据,SVR对上述生长参数4个生育期的估测结果 R2均值为0.89～0.98,MAPE为1.70%～7.53%,对于验证集数据,R2均值为0.90～0.94,MAPE为4.04%～7.46%,拟合优度和估测精度均超过PLSR和FNN,是估算方法中利用全波段光谱反射率估测冬小麦生长参数的最佳方案。随着无人机载高光谱技术成熟,SVR方法能够用于处理航拍获取的...

【文章页数】：9 页

【部分图文】：

图1氮肥梯度试验布置

试验于2018-2019年冬小麦生长季进行，供试品种为百农矮抗58。根据当地农户的常规施氮量190kg/hm2，设置N0、N1、N2、N3、N45个氮肥梯度，单季小麦施氮量分别为0、150、190、230和270kg/hm2，应用尿素作为单一氮源，60%作为基肥，40%作为追肥....

图2不同氮肥梯度下冬小麦生长参数

由图3可知，N0处理冠层光谱反射率在绿峰处反射率较其他处理高，全生育期差值0.04%～0.15%；在红谷处反射率较其他处理高0.02%～0.20%。总体趋势上，随着氮肥施用量的增加，红边～近红处的反射率上升。拔节期N1、N2、N3和N4处理该处反射率与N0差值分别为0.03%、0....

图3不同氮肥梯度下冬小麦冠层光谱反射率

图2不同氮肥梯度下冬小麦生长参数2.2PLSR、SVR和FNN的建模效果比较

图4PLSR、SVR和FNN模型对建模集样本的估算结果

PLSR全生育期对建模集的反演精度均低于两种机器学习方法，MAPE在6.65%～8.40%之间。SVR对地上部生物量、LAI、全氮含量和叶绿素浓度建模的全生育期R2均值分别为0.93、0.95、0.97和0.93，较PLSR分别提高了3.33%、1.60%、5.18%和2.76%....

本文编号：3927998