您当前的位置: > 详细浏览

基于特征波段选择和机器学习的陆地棉叶片水分估算

请选择邀稿期刊:
摘要: 棉花叶片含水量的及时准确监测对于评价棉花生长状态具有重要作用。为了精准估算棉花叶片含水量,以新疆渭干河-库车河三角洲绿洲田间尺度上棉花叶片的高光谱数据和叶片水分数据为基础,采用分数阶微分对原始光谱进行处理,通过相关系数分析法、竞争性自适应重加权采样算法(Competitive adaptive reweighted sampling,CARS)、连续投影算法(Successive projections algorithm,SPA)、遗传算法(Genetic algorithm,GA)、蒙特卡罗无信息变量消除算法(Monte Carlo uninformative variables elimination,MC-UVE)以及将CARS与SPA耦合等方法筛选特征波段,采用基于鲸鱼优化算法(Whale optimization algorithm,WOA)改进随机森林回归(Random forest regression,RFR)建立全波段和特征波段的叶片水分含量反演模型,并使用独立样本进行验证分析。结果表明:(1) 不同特征波段筛选方法得到的波段数量与位置不同,其中MC-UVE所得特征波段数量为8个,CARS所得特征波段数量为38个。SPA、GA与CARS-SPA方法中特征波段位置较为一致,基本集中在近红外的950~1050 nm范围内。(2) CARS-SPA-WOA-RFR模型反演效果最好,模型预测值决定系数(R2)=0.93,均方根误差(Root mean square error,RMSE)=0.032。最终构建的模型可为准确快速地监测棉花旱情以及精准灌溉提供决策依据。

版本历史

[V1] 2023-12-06 11:33:26 ChinaXiv:202312.00077V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量342
  •  下载量4
评论
分享
申请专家评阅