<strong id="r5ve8"></strong>
    1. <xmp id="r5ve8"></xmp>

        027-87860098

        基于波長變量選擇和機器學習方法的無人機圖像高光譜數(shù)據(jù)葉面積指數(shù)估計模型

        2022/8/30
        利用無人機(UAV)高光譜圖像準確估算冬小麥葉面積指數(shù)(LAI),對于作物生長監(jiān)測,施肥管理和精密農(nóng)業(yè)的發(fā)展至關重要。

        研究區(qū)域位置

        在不同氮肥處理下,不同冬小麥品種的主要生育期(拔節(jié)期、孕穗期和灌漿期),同時獲得無人機高光譜圖像數(shù)據(jù)、分析光譜設備(ASD)數(shù)據(jù)和葉面積指數(shù)(LAI)。采用一階導數(shù)(FD)、逐次投影算法(SPA)、競爭性自適應加權采樣(CARS)和競爭性自適應加權采樣結合逐次投影算法(CARS-SPA)等算法從無人機高光譜數(shù)據(jù)中提取LAI相關特征波段。此外,采用偏最小二乘回歸(PLSR)、支持向量機回歸(SVR)和極端梯度增強(Xgboost)三種建模機器學習方法建立葉面積指數(shù)(LAI)估計模型。


        AK58、ZM27、XN509和YM49-198代表不同的冬小麥品種

        AK58: Aikang 58; ZM27: Zhoumai 27; XN509: Xinong509; YM49-198: Yumai49-198

        N0、N8、N15和N22分別代表0、120、225和330 kg hm?2的氮處理量

        結果表明,無人機與ASD高光譜數(shù)據(jù)的相關系數(shù)大于0.99,表明無人機數(shù)據(jù)可以用于小麥生長信息的估計。在本研究建立的15個模型中,通過不同算法選擇的葉面積指數(shù)波段略有不同。采用CARS_SPA算法選取9個連續(xù)特征頻帶作為輸入的Xgboost模型性能最佳。該模型對校準集和驗證集的測定系數(shù)(0.89)結果一致,表明該模型具有很高的準確性。

        將Xgboost建模方法與CARS_SPA算法相結合,可以減少輸入變量,提高模型操作效率。研究結果為無人機無損快速估算冬小麥葉面積指數(shù)提供了參考和技術支持。

        來源:Plant Methods.Leaf area index estimation model for UAV image hyperspectral data based on wavelength variable selection and machine learning methods.Juanjuan Zhang,Tao Cheng,Wei Guo,Xin Xu,Hongbo Qiao,Yimin Xie&Xinming Ma
        原文鏈接:https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00750-5
        大片精品一区二区三区_亚洲香蕉网久久综合影院小说_欧美精品欧美一级在线观看_免费人成视网站在线不卡
        <strong id="r5ve8"></strong>
        1. <xmp id="r5ve8"></xmp>