發(fā)布時(shí)間：2024-06-16 08:50

　　【目的】比較篩選高光譜數(shù)據(jù)預(yù)處理方法和水稻葉片SPAD值估測(cè)模型,為利用高光譜技術(shù)測(cè)定水稻葉片葉綠素含量提供依據(jù)�！痉椒ā垦芯繉�(duì)象為96份不同施肥處理下的水稻葉片樣本,利用ASD FildSpec 4測(cè)定葉片光譜,采用葉綠素計(jì)SPAD-502測(cè)定SPAD值。采用7種光譜預(yù)處理方法處理350～2 500 nm光譜,結(jié)合3種回歸模型(偏最小二乘、支持向量機(jī)和隨機(jī)森林算法),建立了高光譜反射率與水稻葉片SPAD值的映射關(guān)系,比較了模型的預(yù)測(cè)精度�！窘Y(jié)果】(1)BC、SG、SG+BC、SG+SNV預(yù)處理提高了PLSR模型驗(yàn)證集建模精度;SG、SG+BC預(yù)處理提高了SVR模型驗(yàn)證集建模精度;SG、SG+BC、SG+MSC、SG+SNV提高了RFR模型驗(yàn)證集建模精度;(2)SG+BC預(yù)處理能提高PLSR、SVR、RFR模型建模精度,說明采用消除信號(hào)不穩(wěn)定造成的噪聲、背景細(xì)小噪聲和低頻信號(hào)干擾對(duì)于提高水稻葉片的高光譜反演精度有重要的作用。(3)數(shù)據(jù)預(yù)處理后RFR模型精度最佳,驗(yàn)證集的平均決定系數(shù)R²為0.84,RMSE為13.70,RPD為2.59。【結(jié)論】SG及其復(fù)合預(yù)處理方...

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 材料與方法
    1.1 試驗(yàn)設(shè)計(jì)
    1.2 葉片光譜和SPAD值的測(cè)定
    1.3 數(shù)據(jù)預(yù)處理
    1.4 模型構(gòu)建
2 結(jié)果與分析
    2.1 偏最小二乘回歸（PLSR）預(yù)測(cè)SPAD值
    2.2 支持向量機(jī)回歸（SVR）預(yù)測(cè)SPAD值
    2.3 隨機(jī)森林回歸（RFR）預(yù)測(cè)SPAD值
    2.4 模型預(yù)測(cè)精度比較
3 討論
    3.1 預(yù)處理對(duì)模型預(yù)測(cè)精度的影響分析
    3.2 估測(cè)模型比較
4 結(jié)論



本文編號(hào)：3995178