基于随机蛙跳和支持向量机的冬小麦叶面积指数估算

摘要

[目的]作物叶面积指数(LAI)与其长势密切相关,通过研究小麦冠层光谱的不同预处理方法、波段选择方法和模型构建方法的不同组合,找出适用于小麦LAI估算的最佳预测模型,为快速准确监测冬小麦LAI提供参考。[方法]本研究以冬小麦为研究对象,测定其在不同生育时期的LAI与冠层光谱反射率,研究了原始光谱、一阶和二阶导数光谱与LAI之间的相关系数并采用随机蛙跳算法对其进行特征波段的提取,最后基于选取的特征波段,使用偏最小二乘回归(PLSR)和最小二乘支持向量回归(LS-SVR)分别构建LAI预测模型。[结果]结果表明,二阶导数光谱不仅可以改善红边区域波段与LAI之间的相关系数,在725 nm处其相关系数达到0.662,而且提高了特征波段的选择概率,在732 nm处,其选择概率达到0.688。相比采用相关系数和竞争自适应重加权采样(CARS)所建的模型,用随机蛙跳选择的特征波段构建的模型预测精度更高,校正集决定系数达到0.956,验证集决定系数达到0.902,校正集均方根误差降低到0.367,验证集均方根误差降低到0.601。此外,在LAI的预测模型中,LS-SVR的性能优于PLSR。[结论]采用二阶导数预处理结合随机蛙跳特征波长选择算法并使用LS-SVR构建的LAI预测模型性能最佳,可为快速检测LAI提供一种可行的解决方案。