基于多元线性回归和随机森林的苹果叶绿素含量高光谱估-江苏农业科学.PDFVIP

— ２２４— 江苏农业科学　２０１８年第４６卷第１７期 裴浩杰，冯海宽，李长春，等．基于多元线性回归和随机森林的苹果叶绿素含量高光谱估测方法比较［Ｊ］．江苏农业科学，２０１８，４６（１７）：２２４－２３０． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１８．１７．０６０ 基于多元线性回归和随机森林的苹果叶绿素 含量高光谱估测方法比较 １，２，３，４ ２，３，４ １ ２，３，４ ２，３，４ ５ ２，３，４ 裴浩杰 ，冯海宽 ，李长春 ，李振海 ，杨贵军 ，王衍安 ，郭建华 （１．河南理工大学测绘与国土信息工程学院，河南焦作４５４０００；２．国家农业信息化工程技术研究中心，北京 １０００９７；３．农业部农业信息技术 重点实验室，北京 １０００９７；４．北京市农业物联网工程技术研究中心，北京 １０００９７；５．山东农业大学生命科学学院，山东泰安２７１０１８） 　　摘要：叶绿素含量是果树营养胁迫和光合作用等生理状态的良好指示剂。为快速准确地估测苹果叶片叶绿素含 量，利用采集的苹果叶片光谱和叶片叶绿素含量数据，通过分析原始光谱与叶绿素含量的相关性，筛选出５５４、７０８、 ９９５ｎｍ３个最佳敏感波段，构建基于原始光谱敏感波段的多元线性回归（ｍｕｌｔｉｖａｒｉａｂｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ，简称 ＭＬＲ）模 型和随机森林（ｒａｎｄｏｍｆｏｒｅｓｔ，简称ＲＦ）模型，用于叶绿素含量估测；使用相关系数绝对值（ａｂｓｏｌｕｔｅｖａｌｕｅｏｆｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ，简称｜ｒ｜）和ＲＦ的袋外数据（ｏｕｔｏｆｂａｇ，简称ＯＯＢ）重要性分别对植被指数与叶片叶绿素含量的关联性进行 分析，筛选植被指数，然后使用ＭＬＲ和ＲＦ算法构建模型，依次增加植被指数的输入数，筛选出１０个植被指数的ＭＬＲ 最优模型和５个植被指数的ＲＦ最优模型；比较上述４个模型的估测精度。基于原始光谱的ＭＬＲ模型和ＲＦ模型以 ２ 及基于植被指数的ＭＬＲ最优模型和ＲＦ最优模型建模的Ｒ 分别为０．５７８、０．５２７，０．６０２、０．６０９，ＲＭＳＥ分别为８．２４０、 ２ ２ ８．７２８，８．００４、７．９３０ ｇ／ｃｍ，４个模型建模精度相近。在模型验证方面，４个模型的Ｒ 分别为０．８９９、０．４１１、０．８５４、 μ ２ ０８４３，ＲＭＳＥ分别为８．２９７、１４．４５５、１１．２４２、１１．０３４ ｇ／ｃｍ。基于原始光谱的ＭＬＲ模型的叶绿素含量估测精度高于 μ 其他３个模型，能够精确地估测苹果叶片叶绿素含量。另外，基于植被指数的ＭＬＲ模型和ＲＦ模型对苹果叶片叶绿素 含量估测也具有一定的应用潜力。 　　关键词：苹果叶片；高光谱；叶绿素；ＭＬＲ；ＲＦ 　　中图分类号：Ｓ１２７　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１８）１７－０２２４－０７ 　　叶绿素含量是果树生长过程中重要的生化参数，对于果 一阶微分敏感波段结合，建立叶片全氮含量估测模型，最终确 树光合能力、发育阶段以及营养状况有指示作用，其变化还是 定将光谱一阶微分参与构建的模型作为叶片全氮含量估测模 ［１－２］ ［６］ 果树是否受环境胁迫或病害的指示剂 。运用高光谱提取 型 。张蕾蕾使用苹果叶片原始光谱、一阶微分光谱，分别 果树叶片叶绿素含量信息，对于监测果树的生长状况和营养 利用主成分分析方法和逐步回归分析方法建立叶绿素含量估 ［７］ 诊