典型文献
基于无人机高光谱影像的玉米叶绿素含量估测
文献摘要：
为实现玉米叶绿素含量的快速估测,使用低空无人机搭载S185高光谱相机获取关中地区抽雄期玉米冠层高光谱影像,并在地面同步测定采样点叶绿素含量(Chl值),以原始光谱和一阶导数光谱为基础构建模型,分别通过任意2波段组合以及连续投影算法提取单因素建模参数和多因素建模参数,对比分析各类模型(单因素回归模型、多元线性回归模型和狮群算法优化的核极限学习机模型)对抽雄期玉米Chl值的预测能力.结果表明,原始光谱上Chl值的敏感波段主要集中于绿光波段和近红外波段,一阶导数光谱上Chl值的敏感波段主要集中于近红外波段.原始光谱和一阶导数光谱中的最优单因素建模参数均为差值光谱指数(DSI),相关系数分别为0.71、0.68,连续投影算法筛选的多因素建模参数分别为14个、8个.原始光谱和一阶导数光谱下均为多因素模型估测效果优于单因素模型,机器学习算法优于传统回归算法,其中基于原始光谱的狮群算法优化的核极限学习机(LSO-KELM)回归模型是此次研究中的最优模型,具有较好的填图精度,其建模决定系数(R2)和验证R2分别为0.73、0.70,平均相对误差(MRE)分别为3.56％、3.53％.说明结合无人机高光谱影像与LSO-KELM可较好地估测田间抽雄期玉米冠层的叶绿素含量.
文献关键词：
玉米;叶绿素含量;无人机;连续投影算法;核极限学习机回归模型
中图分类号：
作者姓名：
郭松;常庆瑞;郑智康;蒋丹垚;高一帆;宋子怡;姜时雨
作者机构：
西北农林科技大学资源环境学院,陕西 杨凌 712100
文献出处：
引用格式：
[1]郭松;常庆瑞;郑智康;蒋丹垚;高一帆;宋子怡;姜时雨-.基于无人机高光谱影像的玉米叶绿素含量估测)[J].江苏农业学报,2022(04):976-984
A类：
S185,核极限学习机回归模型
B类：
无人机高光谱,高光谱影像,叶绿素含量,估测,低空无人机,搭载,关中地区,抽雄期,冠层,层高,步测,采样点,Chl,一阶导数,导数光谱,构建模型,波段组合,连续投影算法,多元线性回归模型,狮群算法,算法优化,极限学习机模型,预测能力,敏感波段,绿光波段,近红外波段,参数均,光谱指数,DSI,多因素模型,机器学习算法,传统回归,回归算法,LSO,KELM,最优模型,填图,决定系数,平均相对误差,MRE,田间,间抽
AB值：
0.285151
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。
