用近距离多光谱成像和回归建模结合特征选择来估计树叶中的生物化学色素含量
Changsai Zhang1, Yong Xue1,2
1School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
多光谱成像可以准确估计叶的色素含量. 一个非线性支向量机器回归模型,结合顺序前向选择,为植物健康监测提供可靠的生化特征测量.
科学领域:
- 植物生理学 植物生理学
- 遥感 遥感 遥感 遥感
- 生物化学 生物化学
背景情况:
- 监测植物生化色素含量对于评估植物健康和生理状态至关重要.
- 多光谱成像传感器的进步使得植物生化特征的快速,低成本测量成为可能.
研究的目的:
- 评估近距离多谱成像的现场应用,以估计树叶中的生物化学色素含量.
- 为了比较不同的特征选择算法和回归模型,以准确估计色素.
主要方法:
- 靠近的多谱成像数据是从树的叶子中获得的.
- 六个光谱带和26个植被指数被用作初始变量.
- 使用可变选择算法 (CORR,RFE,SFS) 和回归模型 (PLSR,SVR) 来估计总 (Chla+b) 和胡卜素 (Car) 含量.
主要成果:
- 非线性支向量机器回归 (SVR) 模型,使用序列前向选择 (SFS) 选择的变量与多重散射校正 (MSC) 预处理,实现了最高的精度.
- 最佳的Chla+b和汽车模型表现出强大的预测性能,R2值分别为0.849和0.825.
- 这些模型实现了较低的预测误差,RMSE值为Chla+b的5.116和Car的0.869.
结论:
- 靠近的多谱成像,结合先进的特征选择和非线性回归,为估计叶子生化色素含量提供了一种可靠的方法.
- 具有SFS变量选择的SVR模型提供了一种可靠的方法,用于对植物生理状态进行非破坏性监测.
更多相关视频
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
10.6K
07:51Combining Raman Imaging and Multivariate Analysis to Visualize Lignin, Cellulose, and Hemicellulose in the Plant Cell Wall
Published on: June 10, 2017
11.9K
