10.3964/j.issn.1000-0593(2016)06-1831-06
基于核函数与可见光光谱的大豆植株群体净光合速率预测模型
采用美国 MSR‐16便携式多光谱辐射仪,通过推导的辐射仪有效观测面积公式,计算出测试单元数量,有效解决了测量区域可见光各波段光谱辐射配比关系 M_D 所需测量次数不确定的难题。采用美国 CID公司生产型号为 CI‐310便携式光合作用测定系统,测量大豆植株群体净光合速率 C_ D 。通过[0,1]归一化方法对 M_D 和 C_D 进行归一化处理,分别得到归一化数据 M_D1和 C_D1。按不同测试时间划分,将 M_D1分成两部分数据 M_D11和 M_D12,将 C_D1分成两部分数据 C_D11和 C_D12。使用 polynomial 核函数、gauss核函数、sigmoid 核函数和自主研发的 bio‐selfadaption 核函数,利用 grid‐search ,Genetic Algorithm ,Particle Swarm Optimization 对支持向量机惩罚参数 c 和参数 g 寻优,在支持向量机 epsilon‐SVR 公式、nu‐SVR 公式条件下,通过四种核函数、三种优化方法、两种公式的交叉组合、 M_D11、 C_D11,建立大豆植株群体净光合速率预测模型。试验结果表明,在大豆植株试验区域面积 S =17 m2和 MSR‐16便携式多光谱辐射仪放置于大豆植株冠层上方高度 H =2 m 条件下,epsilon‐SVR‐bio‐selfadaption‐grid‐search 模型对预测集1 C_ D12的预测精度达到85%以上,对预测集2 C_D12的预测精度达到82%以上。在 S 和 H 其他组合条件下,epsilon‐SVR‐bio‐selfadaption‐grid‐search 模型对预测集2 C_D12的预测精度达到81%以上。epsilon‐SVR‐bio‐selfada‐ption‐grid‐search 模型表明了 bio‐selfadaption 核函数有效性、测量区域可见光光谱数据方法合理性、利用可见光光谱预测大豆植株群体净光合速率可行性。
可见光各波段光谱辐射、支持向量机、核函数、大豆植株、预测模型
36
S132(农业化学)
国家留学基金项目201408220077;国家自然科学基金项目31371641;“十二五”农村领域国家科技计划课题子课题项目2011BAD35B06-2-;国家转基因生物新品种培育科技重大专项分题项目2014ZX08004-003
2016-08-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
1831-1836