张国圣
- 作品数：3 被引量：24H指数：2
- 供职机构：沈阳农业大学信息与电气工程学院更多>>
- 相关领域：农业科学理学更多>>
- 东北寒地水稻茎秆纤维素含量近红外光谱反演被引量：2
- 2021年
- 在水稻抗倒伏育种中,水稻茎秆纤维素含量作为重要的作物性状表现型数据,用传统方法获取时受人力成本和时间成本的约束,采集群体大小有限。利用高光谱技术能够实现对作物性状信息的快速、无损检测。为探究水稻茎秆纤维素含量近红外光谱反演模型,以田间小区试验的方式,采集水稻灌浆期至成熟期茎秆基部倒2、3节作为实验样本,并在实验室内使用NIRQuest512型号高光谱仪测得茎秆近红外反射光谱数据;采用标准变量正态变换(SNV)、连续小波变换(CWT)及两种方法结合(SNV-CWT)对原始近红外光谱进行预处理,经对比分析,原始光谱经SNV处理后再通过CWT对应6尺度分解最优,然后采用联合区间偏最小二乘法(SiPLS)、迭代保留信息变量法(IRIV)对最优预处理(SNV-CWT)的光谱特征曲线进行光谱特征变量筛选,分别提取了64个和16个特征变量;为优化模型并提高其模型精度,采用IRIV算法对SiPLS所选的特征变量进行二次筛选,得到6个特征变量,特征波长为1200,1207,1325,1470,1482和1492 nm,最后基于优选出的特征变量分别建立水稻茎秆纤维素含量的支持向量机回归(εSVR)和核极限学习机(KELM)预测模型,模型参数(惩罚系数C,核函数系数γ和不敏感参数ε)分别采用灰狼算法(GWO)、差分进化灰狼算法(DEGWO)和自适应差分进化灰狼算法(SaDEGWO)进行优化选择。结果表明,采用SNV-CWT方法光谱预处理后,经SiPLS-IRIV方法筛选的特征变量构建的SaDEGWO优化的SVR模型精度最高,模型参数C,γ,ε分别为302.8382,0.0877,0.0708,测试集的决定性系数(R_(p)^(2))为0.880,均方根误差(RMSE P)为15.22 mg·g^(-1),剩余预测残差(RPD)为2.91,表明模型具有较好的预测能力,可为水稻茎秆纤维素含量预测提供参考。
- 徐博许童羽于丰华于丰华冯帅张国圣冯帅
- 关键词：水稻茎秆纤维素近红外光谱光谱预处理反演模型
- 基于高光谱的水稻叶片氮素估测与反演模型被引量：14
- 2017年
- 快速、无损、准确地监测水稻叶片氮素状况,对于诊断水稻生殖生长特征、提高氮肥运筹水平具有重要意义。利用无人飞行平台搭载高光谱成像系统获取水稻冠层高光谱数据,分析了试验点水稻分蘖期叶片氮素与冠层高光谱信息之间的关系。结果表明,水稻分蘖期叶片氮素含量与同期归一化差值植被指数(NDVI)之间有良好的相关性,可以建立水稻分蘖期叶片氮素含量反演的相关统计模型。
- 张国圣许童羽于丰华陈春玲王洋
- 关键词：水稻氮素统计模型归一化植被指数
- 基于机器学习的粳稻叶片叶绿素含量高光谱反演建模被引量：8
- 2020年
- 叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R^2=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。
- 王念一于丰华许童羽许童羽郭忠辉杜文
- 关键词：粳稻
