基于机器学习的银杏树叶产量预测的高光谱反转模型
Zheng Zuo1, Maocheng Zhao1, Liang Qi1,2
1College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing, China.
Frontiers in plant science
|December 15, 2025
概括
空中超光谱成像提供了一种非破坏性的方法来估计金科树叶的产量. 这种先进的技术比传统的手动评估提高了准确性和效率,有利于作物监测.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 植物生理学 植物生理学
背景情况:
- 银杏叶的叶子产量对于评估植物的健康和生长至关重要.
- 传统的手动产量评估方法是低效的,劳动密集的,昂贵的.
研究的目的:
- 开发一种准确,非破坏性和高效的方法,通过空中超光谱成像来估计金科树叶的产量.
- 优化超光谱数据预处理和特征选择以预测产量.
主要方法:
- 用空中超光谱成像来收集天花板的光谱数据.
- 评估了各种预处理技术 (MSC,SNV,SG,FD,SS) 和特征选择算法 (PSO,SPA,PCA,LASSO,CARS,PSAMA) 的使用情况.
- 机器学习模型包括PLSR,RF,KNNR,LSTM,SVR,BiLSTM和BiLSTM-GS用于产量预测.
主要成果:
- 在SNV-PLSR模型中,表现良好 (Rp2 = 0.7831).
- 一个优化的模型结合了SNV预处理,选定的植被指数 (SAVI,MSAVI,NDRE,SIPI),感兴趣区域像素 (ROP) 和BiLSTM-GS算法,实现了高预测准确度 (Rp2 = 0.8795).
结论:
- 基于空中高光谱树冠估计是一种可行且准确的技术,用于监测金刚果树叶产量.
- 这种非破坏性的方法显著改善了传统的手工方法.


