葉綠素含量是表征粳稻生長(zhǎng)狀態(tài)的重要指標(biāo),高光譜遙感技術(shù)能夠無(wú)損、快速的獲取粳稻葉片葉綠素含量。本研究利用2015—2017年沈陽(yáng)農(nóng)業(yè)大學(xué)遼中水稻實(shí)驗(yàn)站粳稻葉片高光譜數(shù)據(jù),并利用主成分分析法(PCA)、典型相關(guān)分析法(CCA)、核典型關(guān)聯(lián)分析法(KCCA)3種方法對(duì)粳稻葉片高光譜信息降維,選出較優(yōu)光譜參數(shù)作為葉綠素含量反演模型的輸入變量。采用支持向量機(jī)回歸(SVR)、神經(jīng)網(wǎng)絡(luò)(NN)、隨機(jī)森林(RF)、偏最小二乘法(PLSR)四種機(jī)器學(xué)習(xí)算法建立粳稻葉片葉綠素含量反演模型。結(jié)果表明,KCCA降維方法對(duì)粳稻葉片高光譜降維效果要優(yōu)于PCA和CCA兩種方法。采用KCCA-SVR方法建立的粳稻葉片葉綠素含量反演模型的模型決定系數(shù)R²=0.801,RMSE=1.610,建立的粳稻葉綠素含量反演模型精度最高。該模型良好的預(yù)測(cè)能力為粳稻葉片葉綠素含量反演研究和養(yǎng)分診斷提供了數(shù)據(jù)支撐和模型參考。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1本研究試驗(yàn)小區(qū)設(shè)計(jì)

試驗(yàn)于2015—2017年在沈陽(yáng)農(nóng)業(yè)大學(xué)卡利馬試驗(yàn)站進(jìn)行(41°47′N、122°71′E),數(shù)據(jù)采集為每年的6—9月覆蓋粳稻生長(zhǎng)的分蘗期、拔節(jié)期、抽穗期、灌漿期等的關(guān)鍵生育期,選用品種為北粳1號(hào)。粳稻試驗(yàn)小區(qū)設(shè)計(jì)為4個(gè)氮肥梯度處理,分別為CK、N1、N2、N3,每種處理再進(jìn)行3....

圖2SVR法單波段相關(guān)性分析性結(jié)果

表2粳稻葉片高光譜特征PCA、CCA、KCCA提取結(jié)果分析Table2AnalysisoftheresultsofhyperspectralPCA,CCAandKCCAextractionfromjaponica-riceleaves特征提取方法....

圖3NN法單波段相關(guān)性分析性結(jié)果

圖2SVR法單波段相關(guān)性分析性結(jié)果圖4RF法單波段相關(guān)性分析性結(jié)果

圖4RF法單波段相關(guān)性分析性結(jié)果

圖3NN法單波段相關(guān)性分析性結(jié)果圖5PLSR法單波段相關(guān)性分析性結(jié)果

本文編號(hào)：3973641