[1]唐子竣,向友珍,王辛,等.基于不同分析模型的大豆叶片SPAD值和LAI光谱估算比较[J].大豆科学,2023,42(01):55-63.[doi:10.11861/j.issn.1000-9841.2023.01.0055]
点击复制

基于不同分析模型的大豆叶片SPAD值和LAI光谱估算比较

《大豆科学》[ISSN:1000-9841/CN:23-1227/S] 卷: 第42卷 期数: 2023年01期 页码: 55-63 栏目: 出版日期: 2023-01-20
文章编号:
10.11861/j.issn.1000-9841.2023.01.0055
作者:
唐子竣1; 2; 向友珍1; 2; 王辛1; 2; 安嘉琪1; 2; 郭金金1; 2; 王晗1; 2; 李志军1; 2; 张富仓1; 2
1.西北农林科技大学 旱区节水农业研究院/旱区农业水土工程教育部重点实验室，陕西 杨凌 712100； 2.西北农林科技大学 水利与建筑工程学院，陕西 杨凌 712100
关键词:
随机森林; 光谱技术; 大豆; 鼓粒期; SPAD值; 叶面积指数
DOI:
10.11861/j.issn.1000-9841.2023.01.0055
摘要:
为探讨在大豆鼓粒期采用光谱技术估算叶片SPAD值和LAI的有效分析模型和方法，本研究以大田鼓粒期大豆为试验材料，在3个不同时段9:45~10:15（10AM）、11:45~12:15（12PM）和13:45~14:15（2PM）测量冠层全波段光谱反射率，并分别使用极限学习机（ELM）、偏最小二乘回归（PLSR）、支持向量机（SVM）和随机森林（RF）构建大豆叶片SPAD值和LAI估算模型，并对比不同模型分析结果的估算精度。结果表明：在各模型中，12PM和2PM测定的光谱反射率与大豆叶片SPAD值和LAI的拟合精度均高于10AM。基于RF的大豆叶片SPAD值估算模型验证集的R2为0.910，RMSE为2.006，MRE为3.684；基于RF的大豆LAI估算模型验证集的R2为0.916，RMSE为0.209，MRE为4.383，与ELM、PLSR和SVM相比，有更高的估算精度。综上结果说明大豆鼓粒期在11:45~12:15和13:45~14:15采用RF模型，运用全波段的光谱反射率估算大豆叶片SPAD值和LAI可得到较准确的结果。

相似文献/References:

[1]安宇,陈桂芬,李静.基于递归特征消除和随机森林融合算法的大豆前体MicroRNA预测模型研究[J].大豆科学,2020,39(03):401.[doi:10.11861/j.issn.1000-9841.2020.03.0401]
　AN Yu,CHEN Gui-fen,LI Jing.Research on Soybean Pre-Micro RNA Prediction Model Based on Recursive Feature Elimination and Random Forest Fusion Algorithm[J].Soybean Science,2020,39(01):401.[doi:10.11861/j.issn.1000-9841.2020.03.0401]
[2]龚荣新,鲁向晖,张海娜,等.基于高光谱植被指数的大豆地上部生物量估算模型研究[J].大豆科学,2023,42(03):352.[doi:10.11861/j.issn.1000-9841.2023.03.0352]

备注/Memo

国家自然科学基金（52179045）。

更新日期/Last Update: 2023-01-20