基于随机森林法的棉花叶片叶绿素含量估算

作     者：依尔夏提.阿不来提 买买提.沙吾提 白灯莎.买买提艾力 安申群 马春玥 Ershat ABLET;Mamat SAWUT;Baidengsha MAIMAITIAILI;AN Shen-Qun;MA Chun-Yue

作者机构：新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆智慧城市与环境建模普通高校重点实验室新疆乌鲁木齐830046 新疆农业科学院核技术生物技术研究所新疆乌鲁木齐830046 

出 版 物：《作物学报》 (Acta Agronomica Sinica)

年 卷 期：2019年第45卷第1期

页      面：81-90页

核心收录：

学科分类：09[农学] 0901[农学-作物学] 

基　　金：国家自然科学基金项目(41361016 41461051) 大学生创新训练计划项目(201710755058)资助 

主　　题：SPAD值 棉花 随机森林法 高光谱估算模型 

摘      要：为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R^2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。