首站-论文投稿智能助手
典型文献
基于CARS-RUN-ELM算法的水稻叶片氮磷含量协同反演方法
文献摘要:
同时反演氮、磷元素含量相对于单一元素反演可以更加全面地表达水稻的营养状况,为快速、准确获取水稻叶片氮、磷含量和精准变量施肥提供依据.该研究基于不同氮肥处理的田间小区试验,获取水稻叶片氮、磷含量数据,采用竞争性自适应重加权采样法(Competitive Adapative Reweighted Sampling,CARS)筛选氮素与磷素共同特征波长,以特征波长反射率为输入,以化学方法测得叶片氮、磷元素含量为输出,分别使用反向传播神经网络、极限学习机(Extreme Learning Machine,ELM)、龙格-库塔算法优化极限学习机(RUNge Kutta optimizer-Extreme Learning Machine,RUN-ELM)构建水稻叶片氮、磷含量反演模型并分析.结果表明:采用CARS方法有效去除了高光谱中大量无用、冗余信息,得到5个氮、磷元素共同特征波长,去除具有共线性的特征波长,最后筛选出的特征波长分别是451、488、780、813 nm.使用筛选后的特征波长反射率构建RUN-ELM水稻叶片氮、磷含量反演模型效果最好,氮素训练集的决定系数R2为0.690,均方根误差为0.669 mg/g,磷素训练集的决定系数R2为0.620,均方根误差为0.027 mg/g.通过对比,RUN-ELM在预测能力、模型稳定性上优于反向传播神经网络以及ELM模型.综上研究,基于CARS-RUN-ELM的水稻叶片氮、磷含量反演模型可以快速、准确获取水稻叶片氮、磷含量,可为水稻精准施肥提供参考.
文献关键词:
氮素;磷素;遥感;协同反演;特征提取;高光谱;机器学习;水稻
作者姓名:
许童羽;金忠煜;郭忠辉;杨柳;白驹驰;冯帅;于丰华
作者机构:
沈阳农业大学信息与电气工程学院,沈阳 110866;辽宁省农业信息化工程技术中心,沈阳 110866
文献出处:
引用格式:
[1]许童羽;金忠煜;郭忠辉;杨柳;白驹驰;冯帅;于丰华-.基于CARS-RUN-ELM算法的水稻叶片氮磷含量协同反演方法)[J].农业工程学报,2022(10):148-155
A类:
Adapative,RUNge
B类:
CARS,ELM,水稻,稻叶,叶片氮,氮磷含量,协同反演,反演方法,磷元素,元素含量,一元,营养状况,取水,变量施肥,氮肥,田间,区试,竞争性自适应重加权,采样法,Competitive,Reweighted,Sampling,氮素,磷素,共同特征,特征波长,反射率,化学方法,反向传播神经网络,极限学习机,Extreme,Learning,Machine,龙格,库塔,算法优化,化极,Kutta,optimizer,建水,反演模型,高光谱,无用,冗余信息,共线性,训练集,决定系数,预测能力,模型稳定性,精准施肥
AB值:
0.28149
相似文献
育秧期钵盘施用全量控释肥显著降低稻田氮素损失风险
孙巧玉;刘依琳;杨洪福;陈雪;范先鹏;孙文涛;王玉峰;杨越超;侯立刚;刘宏斌-中国农业科学院农业资源与农业区划研究所/农业农村部面源污染重点实验室,北京 100081;云南省昆明市生态环境宣传教育中心,云南昆明 650500;农业农村部全国农业技术推广服务中心,北京 100125;湖北省农业科学院植保土肥研究所,湖北武汉 430064;辽宁省农业科学院植物营养与环境资源研究所,辽宁沈阳 110161;黑龙江省农业科学院土壤肥料与环境资源研究所,黑龙江哈尔滨150086;山东农业大学资源与环境学院/土肥资源高效利用国家工程实验室,山东泰安271018;吉林省农业科学院水稻研究所,吉林公主岭 136100
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。