关键词:
离散小波变换
混合变量选择算法
深度学习
叶片叶绿素含量
人参果
摘要:
叶片叶绿素含量(Leaf Chlorophyll Contents,LCCs)作为植物重要的生理生化参数之一,其含量的变化直接或间接影响植物的生长发育。通过使用高光谱遥感技术对人参果LCC进行快速无损监测,有利于实现精准农业的发展。文章以人参果叶片高光谱数据和对应的人参果LCC为数据集,使用离散小波变换(Discrete Wavelet Transform,DWT)算法,提取人参果叶片高光谱数据0~10层低频小波系数,将0~10层光谱数据集与对应的人参果LCC进行Pearson相关性分析,然后将变量组合集群分析(Variable Combination Population Analysis,VCPA)与遗传算法(Genetic Algorithm,GA)结合,使用VCPA-GA算法提取人参果全谱和各分解层敏感波段,通过4种机器学习模型构建人参果LCC的估测模型。结果表明,DWT能提高人参果LCC的预测性能,在4种机器学习模型中,4层BP-AdaBoost模型的预测性能最好,R2达到0.919,MAPE=2.090%,RMSE=1.453,RPD=3.900,其次PSO-BPNN回归模型的预测性能也表现出较高的准确性。文章表明,人参果高光谱数据经DWTVCPA-GA算法处理后,使用4层低频小波系数重组的光谱数据构建BP-AdaBoost回归预测模型时对人参果LCC的估算性能最好。