期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于小波变换和VCPA-GA算法的人参果叶片叶绿素含量高光谱估算
1
作者 郭金锋 张志从 +3 位作者 吾木提·艾山江 周忠晔 续文宇 玉苏甫·艾海买江 《热带地理》 北大核心 2025年第3期514-526,共13页
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... 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,R^(2)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。 展开更多
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
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部