通过阐明PLSR模型的可转移性来提高从反射频谱的叶子特征估计
Jiatong Wang1,2,3, Xiaoqiang Liu1,2,3, Xiaotian Qi1,2,3
1State Key Laboratory of Forage Breeding-by-Design and Utilization, Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing, China.
Plant phenomics (Washington, D.C.)
|December 19, 2025
概括
用于叶子特征预测的部分最小平方回归 (PLSR) 模型显示,网站之间的可转移性有限. 提高模型通用性需要多样化的训练数据,反映出不同的进化历史和环境.
科学领域:
- 植物生态学 植物生态学
- 遥感是一种远程传感.
- 生态建模 生态建模
背景情况:
- 叶子光谱与部分最小平方回归 (PLSR) 结合,是测量植物叶子特征的精确方法.
- 在不同地点进行叶状特征预测的PLSR模型的可转移性和通用性仍然不太清楚.
研究的目的:
- 探索PLSR模型在中国不同森林地区的叶子特征预测中的可转移性.
- 确定影响PLSR模型可转移性的因素,并评估开发可通用模型的可行性.
主要方法:
- 从1967年的样本收集了349种树木的树叶特征和反射频谱,这些树木来自8个森林遗址.
- 应用PLSR来分析光谱数据和叶子特征之间的关系.
- 当在不同的地理和环境条件下应用时,研究模型性能.
主要成果:
- 在特定地点训练的PLSR模型对其他地点的可转移性有限.
- 植物进化史和环境条件的差异是限制模型可转移性的关键因素.
- 整合多样化的培训数据显著提高了模型的可转移性,匹配特定地点的模型准确性.
结论:
- 特定地点的PLSR模型用于叶子特征预测,由于生态和环境差异,其可转移性有限.
- 开发可通用的模型需要培训数据集,这些数据集包括广泛的进化和环境变化.
- 创建开放访问的叶子特征和光谱数据库的合作努力对于推进通用光谱预测模型至关重要.
