基于机器学习和无人机高光谱遥感的马铃薯SPAD值估算
陈圯凡
郭发旭
冯全
甘肃农业大学 机电工程学院,甘肃 兰州 730070
摘要：为实现大田马铃薯SPAD值的快速、无损检测,采用无人机高光谱成像技术建立马铃薯关键生长时期SPAD值的定量检测模型.在大田条件下获得了马铃薯块茎形成期和彭大期的无人机高光谱影像,并对高光谱数据采用数学变换方法处理;接着,通过竞争性自适应重加权采样(CARS)、无信息变量去除(UVE)和随机蛙跳(RF)算法筛选与SPAD值相关的特征波段;随后,使用偏最小二乘回归(PLSR)、支持向量回归(SVR)和反向传播(BP)3种机器学习算法建立马铃薯SPAD值估算模型.不同算法筛选的特征波段存在差异,CARS算法能有效识别敏感光谱特征,降低特征数量,提升估测精度.基于不同数学变换和特征波段筛选算法建立的马铃薯SPAD值估测模型中,1/R-CARS-SVR模型对马铃薯SPAD值具有较强的估测能力,模型建模集和验证集R2分别为0.88和0.84,RMSE均为0.39.采用1/R-CARS-SVR模型逐点计算研究区马铃薯SPAD值,绘制了SPAD值反演图,发现块茎膨大期的SPAD值普遍高于块茎形成期.
关键词：马铃薯SPAD无人机高光谱竞争性自适应重算法支持向量机
分类号：S127(农业物理学)
资助基金：国家自然科学基金(32160421)甘肃省教育厅产业支撑项目(2021CYZC-57)
论文发表日期：2024-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：12( 133-144 )
英文信息