基于第一个导数光谱和Boruta算法,估计了大米的地面生物质
Ying Nian1, Xiangxiang Su1, Hu Yue1
1College of Resource and Environment, Anhui Science and Technology University, Chuzhou, China.
Frontiers in plant science
|May 10, 2024
概括
超光谱遥感有效地估计了大米在地面上的生物质 (AGB). 在启动阶段将第一个衍生谱与Boruta算法和主要成分回归 (PCR) 结合起来,产生了最准确的AGB估计.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 生物质估计生物质估计
背景情况:
- 地表生物质 (AGB) 对于作物监测和产量预测至关重要.
- 超光谱遥感提供了快速而精确的AGB监控.
- 超光谱数据的高维度需要特征选择,以准确估计作物生物质量.
研究的目的:
- 评估衍生光谱与特征选择算法相结合对大米AGB估计的影响.
- 为了确定最佳的光谱特征和算法来增强大米AGB模型.
- 通过使用超光谱数据来确定最好的生长阶段,以准确地估计AGB.
主要方法:
- 在五个关键生长阶段使用地面光谱仪获取米树冠光谱数据.
- 应用衍生变换 (特别是第一个衍生谱 - FD) 和特征选择算法 (递归特征消除 - RFE,Boruta).
- 使用部分最小平方回归 (PLSR),主要组件回归 (PCR),支向量机 (SVM) 和回归 (RR) 评估模型性能.
主要成果:
- 第一个衍生品频谱 (FD) 与AGB的相关性最强.
- 博鲁塔算法有效地减少了维度,选择了19-35个特征带.
- 结合FD-Boruta-PCR (FB-PCR) 实现了最佳的米AGB估计性能,R2提高了10-20%,RMSE减少了0.08-14%.
- 启动阶段被确定为AGB估计的最佳生长阶段 (R2:0.60-0.74).
结论:
- 超光谱遥感对于估计植被生物量来说非常准确.
- 衍生光谱和特征选择的整合显著提高了大米AGB估计.
- FB-PCR模型和启动阶段为监测米生长动态提供了强大的方法.
