基于红边光谱特征和XGBoost算法的冬小麦叶绿素浓度估算研究

摘要：

研究了基于氮肥效应的冬小麦不同生育期的叶绿素浓度,探讨了XG-Boost算法在冬小麦叶绿素浓度估算中的适用性.利用该算法构建了冬小麦叶绿素浓度的高光谱估算模型,并将其与偏最小二乘法(Partial Least Squares,PLS)以及人工神经网络(Neural Network,NN)算法进行了对比.结果 表明:(1)冬小麦的叶绿素浓度随着氮肥用量的增加而逐渐升高.(2)基于一阶微分光谱(Firstorder Differential Reflectance,FDR)数据集的估算模型表现最好.通过对比建模数据集与验证数据集的决定系数R2和相对分析误差(Residual Predictive Derivation,RPD)发现,XGBoost算法的效果最佳.(3)通过波段重要性分析发现,XGBoost算法的8个重要波段均在738～753 nm范围内.与8个常用的红边指数相比,通过XGBoost算法筛选到的8个一阶微分光谱波段对叶绿素浓度的准确估算起到了更加重要的作用.该算法可以作为一种有效的高光谱信息挖掘手段来估算冬小麦的叶绿素浓度.

关键词：冬小麦、叶绿素浓度、高光谱、XGBoost

所属期刊栏目：41

分类号：S127(农业物理学)

资助基金：国家自然科学基金项目;国家重点研发计划课题;河南省重点研发与推广专项科技攻关;河南省高等学校重点科研项目;河南农业大学青年英才专项基金

在线出版日期：2020-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：33-43