本文關(guān)鍵詞：基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定，由筆耕文化傳播整理發(fā)布。

基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定

2013年2月

doi：10．6041/j．issn．1000-1298．2013．02．037

農(nóng)業(yè)機(jī)械學(xué)報(bào)

第44卷第2期

基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定

郭孝玉

1

*

孫玉軍

1

王軼夫

1

林靜媛

2

（1．北京林業(yè)大學(xué)省部共建森林培育與保護(hù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100083；2．福建農(nóng)林大學(xué)園林學(xué)院，福州350002）M算法和貝葉斯規(guī)則相結(jié)摘要：葉面積作為植物光合作用的重要指標(biāo)，是研究作物及林木生產(chǎn)力的基礎(chǔ)。采用L-合的網(wǎng)絡(luò)訓(xùn)練模式，以毛竹葉面積為研究對象，綜合優(yōu)化其人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建最優(yōu)的葉面積預(yù)測模型。研究結(jié)果顯示，模型的最佳預(yù)測變量為葉片寬度和葉片長度變量組合，而增加葉片形狀指數(shù)未提高葉面積預(yù)測模型精度；所建神經(jīng)網(wǎng)絡(luò)模型性能好、預(yù)測精度高，決定系數(shù)達(dá)0.992，平均相對預(yù)測誤差為4.28%，可以準(zhǔn)確估測毛竹葉面積。關(guān)鍵詞：毛竹

葉面積

人工神經(jīng)網(wǎng)絡(luò)

貝葉斯規(guī)則

測定

中圖分類號(hào)：TP183；S758

文獻(xiàn)標(biāo)識(shí)碼：A

1298（2013）02-0200-05文章編號(hào)：1000-

ImprovedArtificialNeuralNetworkforDeterminationofPlantLeafArea

GuoXiaoyu1

SunYujun1

WangYifu1

LinJingyuan2

（1．TheKeyLaboratoryforSilvicultureandConservationofMinistryofEducation，BeijingForestryUniversity，Beijing100083，China

2．CollegeofLandscapeArchitecture，F(xiàn)ujianAgricultureandForestryUniversity，F(xiàn)uzhou350002，China）

Abstract：Leafareaisanessentialindicatorofphotosynthesisforthestudyofcropandforestproductivity．TheLevenberg-Marquardtback-propagationoptimizationalgorithmwascoupledwithBayesianregulationtotraintheartificialneuralnetwork（ANN），andthepredictivemodelwasdevelopedtodeterminaterapidlyandaccuratelyMosobambooleafarea．TheresultsshowedthatthebestinputvariableswerethecombinationofleafwidthandleaflengthforANNmodel，whereastheleafshapeindexdidnotsignificantlyaffectthevariabilityofleafarea．TheoptimizationANNmodelpossessedwithexcellentperformanceandpredictableaccuracy，withthehighdeterminationcoefficientof0.992andmeanrelativepredictionerrorof4.28%．TheANNmodelwouldbeallowedforestimatingaccuracytheleafareaofMosobamboo．Keywords：Mosobamboo

Leafarea

Artificialneuralnetwork

Bayesianregulation

Measurement

引言

植物葉片作為陸地生態(tài)系統(tǒng)截獲太陽輻射并吸

收二氧化碳、釋放氧氣的最重要的器官，，其發(fā)育狀況直接影響植物生長

［1～2］

面積具有重要的實(shí)用價(jià)值。

植物葉面積測定方法概括起來可分為直接法和

間接法。直接法主要是通過破壞性取樣，量測葉面積大小，常見的有方格紙法、稱質(zhì)量法、求積儀法、排水法和數(shù)字圖像處理法；間接法主要是基于非破壞性測定獲取葉面積及相關(guān)參數(shù)，有儀器測定法（如LAI-2000型手持葉面積測定儀）和模型估計(jì)法

［1，6～10］

。植物葉面積是定量分析光

合作用和蒸騰作用的一個(gè)重要指標(biāo)，也是植物生長

［3～5］

。葉面積測定是研究預(yù)估模型的一個(gè)重要參數(shù)

植物光合作用和生理生態(tài)功能的基礎(chǔ)，也是直接測準(zhǔn)確、經(jīng)濟(jì)地測定植物葉定葉面指數(shù)的基礎(chǔ)。因此，

06-25修回日期：2012-08-25收稿日期：2012-*林業(yè)公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)資助項(xiàng)目（200904003-1）

。這些方法各有利弊，傳統(tǒng)的直接測量法

易于操作、精度較高，但費(fèi)時(shí)費(fèi)力，對作物破壞性較

E-mail：fjgxy2009@126．com作者簡介：郭孝玉，博士生，主要從事資源監(jiān)測與評價(jià)研究，

E-mail：sunyj@bjfu．edu．cn通訊作者：孫玉軍，教授，博士生導(dǎo)師，主要從事資源監(jiān)測與評價(jià)研究，

Word文檔免費(fèi)下載：基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定 （共1頁，當(dāng)前第1頁）

基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定的相關(guān)文檔搜索

  本文關(guān)鍵詞：基于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定，由筆耕文化傳播整理發(fā)布。