文献类型：期刊文章

作　　者：冯海宽[1,2,3,4] 杨福芹[1,2,5] 杨贵军[1,2,3,4] 李振海[1,2,3,4] 裴浩杰[1,2] 邢会敏[1,2]

Feng Haikuan;Yang Fuqin;Yang Guijun;Li Zhenhai;Pei Haojie;Xing Huimin(Beijing Research Center for Information Technology in Agriculture,Beijing,100097,China;National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China;Key Laboratory for Information Technologies in Agriculture,Ministry of Agriculture,100097,China;Beijing Engineering Research Center of Agricultural Internet of Things,Beijing 100097,China;College of Civil Engineering,Henan University of Engineering,Zhengzhou 451191,China)

机构地区：[1]北京农业信息技术研究中心,北京100097 [2]国家农业信息化工程技术研究中心,北京100097 [3]农业部农业信息技术重点实验室,北京100097 [4]北京市农业物联网工程技术研究中心,北京100097 [5]河南工程学院土木工程学院,郑州451191

出　　处：《农业工程学报》

基　　金：国家自然科学基金(41601346);北京市自然科学基金项目(4141001);国家高技术研究发展计划863课题(2011AA100703)

年　　份：2018

卷　　号：34

期　　号：6

起止页码：182-188

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：果树叶绿素含量的快速、无损、准确监测,可以及时掌握果树的营养水平,对指导果树管理具有重要意义。该文利用2012年和2013年山东省肥城市潮泉镇下寨村的苹果叶片叶绿素含量和叶片光谱数据,分析了叶绿素含量和苹果叶片原始光谱及其变换形式之间的相关性,筛选出较优光谱参数,并利用随机森林法、偏最小二乘法、BP神经网络和支持向量机回归法进行估算和验证。结果表明:1)叶绿素含量与叶片原始光谱及其变换形式之间的最优光谱参数分别为554和708 nm的原始光谱反射率,554和708 nm倒数之对数光谱,535、569、700和749 nm一阶微分光谱以及557和708 nm连续统去除光谱;2)随机森林、偏最小二乘法、BP神经网络和支持向量机估算模型的R2分别为0.94,0.61,0.66和0.60,RMSE分别为0.34,0.78,0.75和0.81 mg/dm2。说明随机森林算法模型用于估算苹果叶片叶绿素含量效果较好,为及时了解果树养分状况及果树营养诊断提供技术支持。

关 键 词：叶绿素 光谱分析 支持向量机  苹果叶片 高光谱  随机森林  偏最小二乘法 BP神经网络

分 类 号：S12] S24