典型文献
基于高光谱和数据挖掘的油菜植株含水率定量监测模型
文献摘要：
为了构建监测效果更好、更具普适性的油菜植株含水率(Plant water content,PWC)定量监测模型,以油菜品种浙杂903、宁油22和宁杂1818为试验材料,设置2个施肥水平和3个水分处理,基于2019-2020年和2020-2021年生长季田间试验资料,在PWC的高光谱响应敏感波段范围采用逐步回归(Stepwise regression,SR)分析、连续投影算法(Successive projection algorithm,SPA)、竞争自适应加权算法(Competitive adaptive reweighted sampling,CARS)以及减量精细采样法(Reduced precise sampling method,RPSM)深度挖掘高光谱数据,通过筛选最优波段组合与光谱指数,基于线性回归(Linear regression,LR)、BP神经网络(Back-propagation neural network,BPNN)和支持向量机回归(Support vector regression,SVR)方法构建并比较油菜植株含水率监测模型.结果表明,针对油菜PWC监测,SR分析筛选的最优波段组合为730 nm、986 nm和1071 nm,SPA法分析筛选的最优波段组合为686 nm、695 nm、707 nm、746 nm、964 nm、1065 nm和1069 nm,CARS法分析筛选的最优波段组合为694 nm、695 nm、696 nm、863 nm、864 nm、893 nm、973 nm、986 nm、1050 nm和1071 nm.RPSM筛选的最优光谱指数是归一化差值光谱指数(R981,R894)和比值光谱指数(R981,R894),其利用的波段均位于近红外波段.前述3个方法筛选的波段变量更多,蕴含的信息更全面,估测精度普遍优于光谱指数.建模分析结果表明,SPA-LR模型、SPA-BP模型、SPA-SVR模型均能实现油菜PWC的精确监测,经检验,其估测值和实测值的R2分别为0.693、0.940、0.841,均方根误差(RMSE)分别为1.623％、1.836％和1.227％.结果证明高光谱数据具备深度挖掘价值,运用全波段光谱分析方法能够在降维的同时保留有效信息,利用筛选出的波段组合构建线性或非线性模型,均能实现大田条件下全生育期油菜植株含水率的定量监测.
文献关键词：
高光谱;油菜;连续投影算法;竞争自适应加权算法;BP神经网络
中图分类号：
作者姓名：
潘月;曹宏鑫;齐家国;吴菲;韩旭杰;丁昊迪;葛道阔;张玲玲;张伟欣;张文宇
作者机构：
南京农业大学农学院/亚洲农业研究中心,江苏 南京 210095;江苏省农业科学院农业信息研究所,江苏 南京 210014;扬州大学农学院,江苏 扬州 225009
文献出处：
引用格式：
[1]潘月;曹宏鑫;齐家国;吴菲;韩旭杰;丁昊迪;葛道阔;张玲玲;张伟欣;张文宇-.基于高光谱和数据挖掘的油菜植株含水率定量监测模型)[J].江苏农业学报,2022(06):1550-1558
A类：
RPSM,R981,R894
B类：
植株,率定,监测模型,监测效果,Plant,water,content,PWC,油菜品种,施肥水平,水分处理,生长季,田间试验,验资,光谱响应,敏感波段,逐步回归,Stepwise,regression,SR,连续投影算法,Successive,projection,algorithm,SPA,竞争自适应加权算法,Competitive,adaptive,reweighted,sampling,CARS,采样法,Reduced,precise,method,深度挖掘,高光谱数据,过筛,波段组合,光谱指数,Linear,LR,Back,propagation,neural,network,BPNN,支持向量机回归,Support,vector,SVR,近红外波段,前述,估测,建模分析,实测值,RMSE,全波段,光谱分析方法,留有,有效信息,或非,非线性模型,大田,全生育期
AB值：
0.319524
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
