基于CARS-RUN-ELM算法的水稻叶片氮磷含量协同反演方法.pdfVIP

第 38 卷 第 10 期 农 业 工 程 学 报 Vol.38 No.10 148 2022 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2022 ·农业信息与电气技术· 基于 CARS-RUN-ELM 算法的水稻叶片氮磷含量协同反演 方法 1,2 1 1 1 1 1 1,2 许童羽 ，金忠煜 ，郭忠辉 ，杨 柳 ，白驹驰 ，冯 帅 ，于丰华 （1. 沈阳农业大学信息与电气工程学院，沈阳 110866 ；2. 辽宁省农业信息化工程技术中心；沈阳 110866 ） 摘 要：同时反演氮、磷元素含量相对于单一元素反演可以更加全面地表达水稻的营养状况，为快速、准确获取水稻叶 片氮、磷含量和精准变量施肥提供依据。该研究基于不同氮肥处理的田间小区试验，获取水稻叶片氮、磷含量数据，采 用竞争性自适应重加权采样法（Competitive Adapative Reweighted Sampling，CARS ）筛选氮素与磷素共同特征波长，以 特征波长反射率为输入，以化学方法测得叶片氮、磷元素含量为输出，分别使用反向传播神经网络、极限学习机（Extreme Learning Machine ，ELM ）、龙格-库塔算法优化极限学习机 （RUNge Kutta optimizer-Extreme Learning Machine ，RUN-ELM ） 构建水稻叶片氮、磷含量反演模型并分析。结果表明：采用 CARS 方法有效去除了高光谱中大量无用、冗余信息，得到 5 个氮、磷元素共同特征波长，去除具有共线性的特征波长，最后筛选出的特征波长分别是 451 、488 、780、813 nm。使 用筛选后的特征波长反射率构建 RUN-ELM 水稻叶片氮、磷含量反演模型效果最好，氮素训练集的决定系数 R2 为 0.690， 均方根误差为 0.669 mg/g，磷素训练集的决定系数R2 为 0.620，均方根误差为 0.027 mg/g 。通过对比，RUN-ELM 在预测 能力、模型稳定性上优于反向传播神经网络以及 ELM 模型。综上研究，基于 CARS-RUN-ELM 的水稻叶片氮、磷含量反 演模型可以快速、准确获取水稻叶片氮、磷含量，可为水稻精准施肥提供参考。 关键词：氮素；磷素；遥感；协同反演；特征提取；高光谱；机器学习；水稻 doi ：10.11975/j.issn.1002-6819.2022.10.018 中图分类号：O657.3 ；S511 文献标志码：A 文章编号：1002-6819(2022)-10-0148-08 许童羽，金忠煜，郭忠辉，等. 基于 CARS-RUN-ELM 算法的水稻叶片氮磷含量协同反演方法[J]. 农业工程学报，2022， 38(10)：148-155. doi ：10.11975/j.issn.1002-6819.2022.10.018 Xu Tongyu, Jin Zhongyu, Guo Zhonghui, et al. Simultaneous inversion method of nitrogen and phosphorus contents in rice leaves using CARS-RUN-ELM algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(10): 148-155. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2022.10.018