文献类型：期刊文章

作　　者：梁亮[1,2] 杨敏华[1] 臧卓[3]

机构地区：[1]中南大学地球科学与信息物理学院,长沙410083 [2]湖南科技大学建筑与城乡规划学院,湘潭411201 [3]中南林业科技大学林业遥感信息工程研究中心,长沙410004

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(30570279);中南大学拔尖博士研究生学位论文创新项目(1960-71131100007);中南大学优秀博士论文扶持项目(2008yb024)

年　　份：2010

卷　　号：26

期　　号：12

起止页码：248-253

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20111113736084)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合(小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise),并利用去噪后的小麦冠层光谱建立偏最小二乘回归(PLS)模型,对不同预处理方法进行比较分析。发现采用小波去噪结合一阶导数能最有效消除原始光谱的背景信息,此时PLS模型校正集均方根误差(RMSEC)为0.260,预测集均方根误差(RMSEP)为0.288。对经一阶导数结合小波去噪后的光谱用主成分分析(PCA)进行降维,以前6个主成份为输入变量,建立最小二乘支撑向量机回归模型(LS-SVR),其RMSEC与RMSEP分别为0.154与0.259,具有比PLS模型更高的精度。结果表明:以小波去噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型的精度是可行的,且LS-SVR是建模的优选方法。

关 键 词：作物 氮  小波分析 高光谱  支撑向量机回归  偏最小二乘

分 类 号：TP722] S123]