基于参数优化SVM方法识别盐生植被钠离子光谱特征

发布时间：2021-11-28 07:59

　　新疆盐渍土地分布广、面积大,在这些盐渍土地上生长着多种类型的盐生植物,它们对改良盐渍土地、维护生态稳定、促进生态平衡具有重要的现实意义。有关研究表明,许多盐土植物大量吸收钠,钠与钾都能增加细胞渗透压,以适应高盐环境,产生膨压而促进细胞的伸长,因而对其生长是有益的,能部分代替钾的功能。因此掌握盐生植物的钠特征,有助于了解盐生植物对生态环境的长期适应和响应,使用高光谱技术实现有效诊断叶片钠特征。首先,对实测冠层高光谱数据,采用离散小波变换（DWT）和db5小波对原始光谱进行9层小波分解,求取最佳分解层数为5层。其次,对光谱数据进行5层db5小波分解,对分解后的高频分量和低频分量建立了小波植被指数,筛选出可敏感表征钠离子含量的小波植被指数。最后,利用SVR, LS-SVR, PSO-SVR和PSO-LS-SVR模型建立盐生植被钠离子含量的估算模型,并与由原始光谱构建的光谱植被指数建立的估算模型进行比较。此外,引入偏最小二乘回归模型PLSR作为对比,评价参数优化的支持向量机方法在高光谱技术估测盐生植被叶片钠离子含量的优势。结果表明:（1）5种模型预测结果表明, PSO能有效优化SVR和LS-S... 

【文章来源】：光谱学与光谱分析. 2020,40(01)北大核心EISCICSCD

【文章页数】：8 页

【部分图文】：

研究区示意图

表2 Na+含量样本统计特征Table 2 Statistical characteristiics of the content of Na+ 样本数 最小值/(mg·kg-1) 最大值/(mg·kg-1) 均值/(mg·kg-1) 标准差/(mg·kg-1) 变异系数/% Kolmogorov-Smirnov检验渐进显著性(双侧) 60 0.034 986 0.735 06 0.327 11 0.202 71 61.97 0.7972.2.2 小波植被指数与叶片Na+的关系

以DSICA5(R2 232, R2 046), DSICD5(R1 237, R613)和NDSICD5(R1 237, R612)这3个指数作为输入变量, 构建的Na+含量综合反演模型中, PSO-LS-SVR模型预测效果最佳, 建模集R2为0.642, RMSE为0.136、 预测集R2为0.778, RMSE为0.094、 RPD为2.126; PSO-SVR模型预测效果次之, 建模集R2为0.549, RMSE为0.138、 预测集R2为0.77, RMSE为0.102、 RPD为1.96; LS-SVR, SVR和PLSR模型精度最低。 相比于单一小波指数, 以综合小波指数构建的各模型预测精度均有所提高, 它是综合多尺度、 多分辨率数据的反演模型, 其更能从不同侧面反映植被的信息。 综上, 4种模型预测结果表明, PSO能有效优化SVR和LS-SVR模型参数(c, g), 提高模型精度和预测能力。 由于篇幅限制, 仅列出由综合小波指数构建的PSO-LS-SVR模型的最终优化参数结果, 如图4。表5 光谱植被指数的各模型反演结果Table 5 Inversion results of spectral vegetation index 光谱指数 模型 建模集 验证集 R2 RMSE R2 RMSE RPD 综合光谱指数 PLSR 0.505 0.228 0.536 0.140 1.428 SVR 0.541 0.233 0.559 0.191 1.046 LS-SVR 0.520 0.237 0.666 0.196 1.020 PSO-SVR 0.542 0.137 0.665 0.103 1.940 PSO-LS-SVR 0.550 0.137 0.781 0.094 2.126

【参考文献】：
期刊论文
[1]基于PSO-SVM算法的梯级泵站管道振动响应预测[J]. 张建伟,江琦,刘轩然,马晓君.  农业工程学报. 2017(11)
[2]基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J]. 李媛媛,常庆瑞,刘秀英,严林,罗丹,王烁.  农业工程学报. 2016(16)
[3]基于PSO-LSSVM的森林地上生物量估测模型[J]. 杨柳,孙金华,冯仲科,岳德鹏,杨立岩.  农业机械学报. 2016(08)
[4]基于ReliefF和PSO混合特征选择的面向对象土地利用分类[J]. 肖艳,姜琦刚,王斌,李远华,刘舒,崔璨.  农业工程学报. 2016(04)
[5]基于离散小波变换的高光谱特征提取中分解尺度的确定方法[J]. 李军,李培军,郭建聪.  自然科学进展. 2007(11)



本文编号：3524030