典型文献
基于红边特性和连续小波变换的冬小麦叶绿素含量估算
文献摘要：
为充分利用高光谱数据红边区域对冬小麦叶绿素含量进行估算,以关中地区冬小麦为研究对象,基于红边波段反射率的一阶导数进行连续小波变换,对变换后得到的小波系数与叶绿素含量进行相关性分析,选取相关性较好的小波系数分别结合偏最小二乘法(PLS)、BP神经网络(BPNN)算法、随机森林(RF)算法和XGBoost算法构建冬小麦叶绿素含量估算模型.结果表明:(1)通过对建模数据和验证数据的决定系数(R2)、均方根误差(RMSE)和相对分析误差(relative predictive derivation,RPD)进行比较,利用XGBoost算法构建的估算模型表现最好;(2)通过XGBoost算法的特征重要性分析得到13个有效小波系数,将其与7个红边指数共同作为自变量代入XGBoost算法发现,优化后的模型精度得到显著提高,建模集决定系数(R2=0.91)和验证集决定系数(R2=0.802)分别提高了 1.34％和11.54％.这说明该方法可以作为一种挖掘高光谱敏感特征信息的途径来估算冬小麦叶绿素含量.
文献关键词：
冬小麦;叶绿素含量;连续小波变换;红边;XGBoost
中图分类号：
作者姓名：
陈倩;常庆瑞;郭松;张佑铭
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]陈倩;常庆瑞;郭松;张佑铭-.基于红边特性和连续小波变换的冬小麦叶绿素含量估算)[J].麦类作物学报,2022(07):883-891
A类：
B类：
连续小波变换,冬小麦,叶绿素含量,高光谱数据,边区,关中地区,红边波段,反射率,一阶导数,小波系数,偏最小二乘法,PLS,BPNN,RF,XGBoost,估算模型,建模数据,决定系数,RMSE,relative,predictive,derivation,RPD,特征重要性分析,红边指数,代入,模型精度,验证集,敏感特征,特征信息
AB值：
0.275629
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。
