基于隨機森林法的棉花葉片葉綠素含量估算

依爾夏提?阿不來提 買買提?沙吾提,3,* 白燈莎?買買提艾力 安申群 馬春玥

?

基于隨機森林法的棉花葉片葉綠素含量估算

依爾夏提?阿不來提1,2買買提?沙吾提1,2,3,*白燈莎?買買提艾力4安申群1,2馬春玥1,2

1新疆大學資源與環境科學學院, 新疆烏魯木齊 830046;2新疆綠洲生態教育部重點實驗室, 新疆烏魯木齊 830046;3新疆智慧城市與環境建模普通高校重點實驗室, 新疆烏魯木齊 830046;4新疆農業科學院核技術生物技術研究所, 新疆烏魯木齊 830046

為了高效和無損地估算棉花葉片的葉綠素含量, 本研究測定了棉花光譜反射率及葉綠素含量(soil and plant analyzer development, SPAD)值, 對光譜數據進行包絡線去除處理、立方根轉換和倒數轉換, 以SPAD值與反射光譜之間的相關性為基礎, 通過隨機森林法篩選出對棉花葉片SPAD值影響較大的特征波段, 構建估算棉花葉片SPAD值的BP神經網絡(back propagation artificial neural networks, BP ANN)、偏最小二乘回歸(partial least squares regression, PLSR)兩個模型。結果表明, 在605~690 nm范圍內的反射率與SPAD值相關性達0.01顯著水平, 均呈負相關, 相關系數最高值為-0.619。與原始光譜相比, 經過變換后的棉花反射率與SPAD值相關性結果相差較大, 其中去除包絡線光譜在550~750 nm波段范圍有效提高了相關性, 相關性效果優于倒數轉換數據和立方根轉換數據。隨機森林法能夠有效評出對SPAD值影響較大的特征波段, 進而提高模型估算精度。在兩種模型中, 基于去除包絡線光譜建立的PLSR和BP神經網絡模型的決定系數2分別為0.92、0.83, 說明這兩種模型的估算能力較好; 兩種模型RMSE分別為0.88、1.26, RE分別為1.30%、1.89%, 表明PLSR模型的估算精度比BP神經網絡模型高。……