典型文献
基于无人机多光谱的大豆旗叶光合作用量子产量反演方法
文献摘要：
大豆旗叶的量子产量(Quantum Yield,QY)对于评估光合效率非常重要,利用无人机多光谱数据对QY值进行高通量反演,能够无损、高效的监测光合作用过程中的生理化学变化.该研究的目的是探究植被指数与QY值相关性,并基于高相关性的植被指数反演QY值,同时分析了多植被指数与单植被指数构建反演模型的准确性.结果表明,与传统反演算法支持向量回归(Support Vector Regression,SVR)相比,基于集成学习的自适应提升(Adaptive Boost,AdaBoost)算法提高了模型的准确性,测试集决定系数(coefficient of determination,R2)为0.982,均方根误差(Root Mean Square Error,RMSE)为0.089,相对分析误差(Residual Predictive Deviation,RPD)为7.29.研究表明基于多植被指数、利用AdaBoost算法可以构建更为有效的无人机多光谱大豆光合有效量子产量反演模型,为评估高通量光合效率提供了一种先进的方法.
文献关键词：
大豆;无人机多光谱;有效量子产量;植被指数;光合效率
中图分类号：
作者姓名：
张通;金秀;饶元;罗庆;李绍稳;王良龙;张筱丹
作者机构：
安徽农业大学信息与计算机学院,合肥 230036;农业农村部农业传感器重点实验室,合肥 230036;智慧农业技术与装备安徽省重点实验室,合肥 230036
文献出处：
引用格式：
[1]张通;金秀;饶元;罗庆;李绍稳;王良龙;张筱丹-.基于无人机多光谱的大豆旗叶光合作用量子产量反演方法)[J].农业工程学报,2022(13):150-157
A类：
B类：
无人机多光谱,大豆,旗叶,光合作用,反演方法,Quantum,Yield,QY,光合效率,多光谱数据,测光,作用过程,化学变化,植被指数,指数构建,反演模型,反演算法,支持向量回归,Support,Vector,Regression,SVR,集成学习,自适应提升,Adaptive,AdaBoost,测试集,决定系数,coefficient,determination,Root,Mean,Square,Error,RMSE,Residual,Predictive,Deviation,RPD,有效量子产量
AB值：
0.394819
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。
