發(fā)布時間：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值估測模型,為利用高光譜技術(shù)測定水稻葉片葉綠素含量提供依據(jù)�！痉椒ā垦芯繉ο鬄�96份不同施肥處理下的水稻葉片樣本,利用ASD FildSpec 4測定葉片光譜,采用葉綠素計SPAD-502測定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)測精度�！窘Y(jié)果】(1)BC、SG、SG+BC、SG+SNV預(yù)處理提高了PLSR模型驗證集建模精度;SG、SG+BC預(yù)處理提高了SVR模型驗證集建模精度;SG、SG+BC、SG+MSC、SG+SNV提高了RFR模型驗證集建模精度;(2)SG+BC預(yù)處理能提高PLSR、SVR、RFR模型建模精度,說明采用消除信號不穩(wěn)定造成的噪聲、背景細(xì)小噪聲和低頻信號干擾對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,驗證集的平均決定系數(shù)R²為0.84,RMSE為13.70,RPD為2.59�！窘Y(jié)論】SG及其復(fù)合預(yù)處理方...

【文章頁數(shù)】：9 頁

【文章目錄】：
1 材料與方法
    1.1 試驗設(shè)計
    1.2 葉片光譜和SPAD值的測定
    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SPAD值
    2.2 支持向量機(jī)回歸（SVR）預(yù)測SPAD值
    2.3 隨機(jī)森林回歸（RFR）預(yù)測SPAD值
    2.4 模型預(yù)測精度比較
3 討論
    3.1 預(yù)處理對模型預(yù)測精度的影響分析
    3.2 估測模型比較
4 結(jié)論



本文編號：3995178