基于流形学习算法的柑橘叶片氮含量光谱估测模型

摘要：

提出了一种基于流形学习算法的柑橘叶片氮含量光谱快速检测方法.分别在萌芽期、稳果期、壮果促梢期和采果期,使用ASD FieldSpec 3光谱仪采集了柑橘叶片的反射光谱,并同步采用凯式定氮法测定叶片的氮含量.首先采用正交试验确定各个生长期小波去噪的最佳参数组合,然后分别采用主成分分析、多维尺度变换、局部线性嵌入、等距映射和拉普拉斯特征映射5种流形学习算法对原始光谱和经小波去噪后的光谱数据进行特征提取,将特征数据导入支持向量机回归建立柑橘叶片氮含量预测模型,4个生长期的最佳验证集模型决定系数依次为0.901 4、0.934 4、0.895 4和0.877 9.试验结果表明,这5种流形学习算法都能有效地用于柑橘叶片氮含量预测,为柑橘叶片氮含量快速元损检测、生长态势监测和变量施肥提供了理论依据.

关键词：柑橘叶片、氮含量、流形学习、光谱

所属期刊栏目：46

分类号：O657.3;S126(分析化学)

资助基金：国家自然科学基金资助项目30871450、广东省自然科学基金资助项目S2012010009856和广州市科技计划资助项目7414558112697

在线出版日期：2015-08-05（万方平台首次上网日期，不代表论文的发表时间）

页码：244-250