安徽省農(nóng)業(yè)科學(xué)院土壤肥料研究所利用我司高光譜設(shè)備,通過(guò)高光譜成像技術(shù)研究辣椒葉片葉綠素含量與光譜之間的定量關(guān)系,,為大面積,、快速檢測(cè)植被葉綠素含量變化提供了可能。
此研究選取150組不同生長(zhǎng)期的辣椒葉片作為研究對(duì)象,,分別采集辣椒葉片的高光譜圖像和葉綠素含量后,,進(jìn)行辣椒葉片葉綠素含量定量模型的預(yù)測(cè)研究。我司高光譜成像系統(tǒng)如圖1,、圖2所示,。
圖1 GaiaSoter-Dual“蓋亞"雙相機(jī)全波段高光譜分選儀
圖2 Gaiafiled-Pro-V10E相機(jī)及參數(shù)
通過(guò)選取如圖3所示的6處具有代表性的矩形感興趣區(qū)(避開(kāi)葉脈)作為樣本的原始光譜,加權(quán)平均后的光譜值作為原始光譜數(shù)據(jù),。去掉383~399 nm和950~1000 nm邊緣噪聲較大的光譜數(shù)據(jù),,保留400~949 nm進(jìn)行下一步研究(如圖4所示)。
圖3.辣椒葉片取樣區(qū)域
Fig3. Sampling area of pepper leaves
圖4原始光譜曲線
Fig 4. original spectral curve
通過(guò)隨機(jī)森林算法選擇得到重要性最高的前20個(gè)波段,,如圖5所示,。分別為697.1 nm、932.1nm,、941.9 nm,、693.6 nm、857.4 nm,、930.8 nm,、543.4 nm、927.1 nm,、803.3 nm,、550.1 nm、806.9 nm,、785.4 nm,、704.1 nm、890.1 nm,、916 nm,、530 nm,、533.1 nm、556.8 nm,、771.1 nm,、536.7 nm,從上述所選波段分布來(lái)看,,主要集中于可見(jiàn)光波段(390~780 nm),這可能與光合作用的波段主要是可見(jiàn)光波段有關(guān),。
圖5.隨機(jī)森林特征重要性
Fig 5 Importance of random forest characteristics
將經(jīng)隨機(jī)森林特征選擇算法篩選后的波段作為自變量,,SPAD值作為因變量。利用線性回歸(Linear Regression, LR),、偏最小二乘回歸(Partial Least Squares Regression, PLSR),、梯度提升回歸樹(shù)(Gradient Boosting Regressor Tree, GBRT)、隨機(jī)森林回歸(Random Forest regression, RFR)分別構(gòu)建反演模型,。表1為4種模型的建模效果精度對(duì)比,,圖6為4種模型的驗(yàn)證集驗(yàn)證效果。
表1 不同算法精度對(duì)比
Table1 Accuracy comparison of different algorithms
模型Model | 建模Modeling | 驗(yàn)證Verification | ||||
LR | 0.93 | 1.77 | 1.41 | 0.83 | 2.39 | 1.89 |
PLSR | 0.86 | 2.6 | 2.1 | 0.87 | 2.05 | 1.75 |
GBRT | 0.99 | 0.54 | 0.42 | 0.87 | 2.06 | 1.7 |
RFR | 0.97 | 1.29 | 1.05 | 0.90 | 1.87 | 1.43 |
圖6.實(shí)測(cè)值與預(yù)測(cè)值關(guān)系
Fig 6. Relationship between measured and predicted values
研究結(jié)果表明:(1)隨機(jī)森林特征選擇算法篩選后波段構(gòu)建的模型精確度和可靠性較高,,其中隨機(jī)森林回歸相對(duì)于其他回歸方法,,模型精度最高,其驗(yàn)證集的 R2為0.9,、RMSE為1.87,、MAE為1.43。說(shuō)明模型具有較高的穩(wěn)定性和預(yù)測(cè)精度,,可以滿足實(shí)際預(yù)測(cè)需求,,其次利用隨機(jī)森林特征選擇算法很大程度上降低了模型的復(fù)雜度,從而提高了模型的預(yù)測(cè)精度和穩(wěn)定度,,達(dá)到簡(jiǎn)化模型的目的,。
(2)利用隨機(jī)森林特征選擇算法篩選的波段結(jié)合隨機(jī)森林回歸可以較為穩(wěn)定的預(yù)測(cè)辣椒葉片葉綠素含量,為后期大面積檢測(cè)辣椒的生長(zhǎng)狀況提供了理論依據(jù),。
(3)選用辣椒葉片為研究對(duì)象,,但從特征波段的選擇和模型構(gòu)建來(lái)說(shuō),對(duì)于其他農(nóng)作物也具有重要的參考性,,在今后的研究可以嘗試將該方法應(yīng)用到其他植被葉片,。
通訊作者簡(jiǎn)介:
葉寅,博士,,安徽省農(nóng)業(yè)科學(xué)院土壤肥料研究所助理研究員,。
主要研究方向:1、面源污染防治與模擬,。2,、景觀生態(tài)學(xué)以及土地利用/覆被變化的生態(tài)環(huán)境效應(yīng),。
參考文獻(xiàn):袁自然,葉寅,武際,方凌,陳曉芳,楊欣.基于高光譜成像技術(shù)的辣椒葉片葉綠素含量估算[J].江蘇農(nóng)業(yè)科學(xué),2021,49(16):189-193.DOI:10.15889/j.issn.1002-1302.2021.16.035.
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
立即詢價(jià)
您提交后,,專屬客服將第一時(shí)間為您服務(wù)