在朱叶中超谱估计叶绿素含量:结合衍生加工技术和缩小尺寸算法
Nigela Tuerxun1,2, Jianghua Zheng1,2, Renjun Wang1,2
1College of Geography and Remote Sensing Sciences, Xinjiang University, Urumqi, China.
对于干旱土地的农业来说,精确估计朱树的叶叶含量 (LCC) 是非常重要的. 这项研究发现,使用带有缩小维度的衍生光谱数据,特别是带有弹性网和支向量的回归的第二个衍生光谱,可以提供最精确的非破坏性LCC估计.
科学领域:
- 农业遥感 农业遥感
- 植物生理学 植物生理学
- 在生态学中的数据挖掘.
背景情况:
- 叶子中的叶绿素含量 (LCC) 是光合作用效率和植物健康的关键指标.
- 在朱 (Ziziphus jujuba) 中的LCC的非破坏性监测对于干旱地区的农林业至关重要.
- 超光谱数据提供了丰富的光谱信息,但存在冗余性,需要有效的数据处理.
研究的目的:
- 评估超光谱数据的性能,以估计朱LCC.
- 整合衍生处理技术与维度减小算法,以获得最佳的LCC估计.
- 确定用于非破坏性LCC评估的最有效的光谱数据类型和机器学习模型.
主要方法:
- 模拟和测量了来自朱树冠上的超光谱反射率数据.
- 最小绝对收缩和选择运算符 (LASSO) 和弹性网 (EN) 用于在原始,第一衍生 (FD) 和第二衍生 (SD) 频谱上进行频段选择.
- 使用支持向量回归 (SVR) 来构建LCC估计模型.
主要成果:
- 拉索和EN有效地防止了LCC估计模型在不同频谱衍生品中的过拟合.
- 使用FD和SD光谱数据的模型显示出比使用原始光谱 (OS) 的模型更高的精度 (R2).
- 与弹性网和支向量回归 (SD-EN-SVR) 模型相结合的第二导数光谱在模拟 (R2 = 0.99) 和测量 (R2 = 0.89) 数据集上实现了最高的精度.
结论:
- 导数处理和维度减小对于准确的高光谱LCC估计至关重要.
- 该SD-EN-SVR模型显示了优越的性能,用于非破坏性的LCC估计朱树.
- 这种方法为快速评估农林植被中的LCC提供了有价值的参考,使用了树冠超光谱数据.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
相关概念视频
Light Acquisition
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
Spectroscopy of Carboxylic Acid Derivatives
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent...
