基于高光譜信息的柑橘葉綠素含量預(yù)測(cè)模型研究.pdf

1、柑橘是世界第一大果樹(shù)作物，我國(guó)的柑橘產(chǎn)量和面積均已位居世界首位。柑橘產(chǎn)業(yè)已成為我國(guó)南方果農(nóng)的主要經(jīng)濟(jì)來(lái)源。通過(guò)對(duì)柑橘葉綠素含量的分析能準(zhǔn)確掌握果樹(shù)的光合能力、營(yíng)養(yǎng)狀況和生長(zhǎng)態(tài)勢(shì)，為果園管理提供科學(xué)指導(dǎo)。測(cè)定葉綠素含量的傳統(tǒng)方法是分光光度法，利用化學(xué)試劑萃取葉片中的葉綠素，依據(jù)不同波長(zhǎng)下葉綠素吸光度不同的原理計(jì)算得到葉綠素含量。這種檢測(cè)手段耗時(shí)長(zhǎng)，具有破壞性，同時(shí)還依賴于檢測(cè)者的操作技術(shù)，無(wú)法在數(shù)字化農(nóng)業(yè)中推廣。
　　隨著高光譜技術(shù)

2、和遙感技術(shù)的發(fā)展，基于光譜信息建立預(yù)測(cè)模型已成為作物估產(chǎn)和營(yíng)養(yǎng)檢測(cè)的新手段。這種方法依據(jù)的是物質(zhì)固有的吸收、發(fā)射或散射光譜特性。與傳統(tǒng)化學(xué)分析手段相比，具有無(wú)損、快捷、準(zhǔn)確的優(yōu)點(diǎn)，符合現(xiàn)代農(nóng)業(yè)的發(fā)展要求。目前基于遙感技術(shù)的營(yíng)養(yǎng)診斷主要應(yīng)用在玉米、水稻等大田作物上，對(duì)柑橘等單株植物的研究相對(duì)較少。建立預(yù)測(cè)模型的常用方法有支持向量回歸、BP神經(jīng)網(wǎng)絡(luò)、多元線性回歸等，但涉及BP神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)的研究卻很少。本文以12年生枳橙[Csinensi

3、s(L.)Osbeck×P.trifoliate(L.)Raf.'Carrizo citrage']砧紐荷爾臍橙(Csinensis(L.)Osbeck'Newhall navel orange')為研究對(duì)象，重點(diǎn)研究粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法，并利用高光譜信息在葉片級(jí)別建立葉綠素含量預(yù)測(cè)模型。旨在提高葉綠素含量預(yù)測(cè)精度，同時(shí)為高光譜遙感在柑橘長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用提供理論依據(jù)和技術(shù)支持。本文的主要研究?jī)?nèi)容可歸納為以下兩個(gè)方面：
　?。?）

4、提出了一種改進(jìn)的粒子群優(yōu)化算法，并用來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)。傳統(tǒng)的BP算法在訓(xùn)練網(wǎng)絡(luò)時(shí)容易陷入局部最優(yōu)，為解決這一問(wèn)題，研究者們提出了多種優(yōu)化算法。研究表明，這些優(yōu)化技術(shù)能有效提高BP神經(jīng)網(wǎng)絡(luò)的性能，已在多個(gè)領(lǐng)域得到了應(yīng)用。本文分析了以往葉綠素含量檢測(cè)研究中常用的建模方法，發(fā)現(xiàn)較少涉及BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法。為了進(jìn)一步提高預(yù)測(cè)模型的準(zhǔn)確性，本文將粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法作為研究重點(diǎn)。針對(duì)粒子群算法中適應(yīng)度信息未被充分利用的問(wèn)題，在原有算法

5、的基礎(chǔ)上提出了一種改進(jìn)的粒子群優(yōu)化算法（FDPSOs），并用它替代原有粒子群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行優(yōu)化。為了驗(yàn)證算法的性能，本文選擇四組分類數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，并與BP及其他多種改進(jìn)的PSOs-BP網(wǎng)絡(luò)進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，算法能有效優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，提高模型的學(xué)習(xí)和泛化性能。
　?。?）建立基于光譜信息的柑橘葉綠素含量預(yù)測(cè)模型。本研究將采集的柑橘葉片室內(nèi)光譜轉(zhuǎn)換為一階導(dǎo)數(shù)形式、二階導(dǎo)數(shù)形式和log(1/r)形式。通過(guò)主成分分析

6、法和連續(xù)投影法處理多種形式的光譜數(shù)據(jù)，分別得到降維后的特征向量和特征波長(zhǎng)。選擇多元線性回歸、偏最小二乘法、支持向量回歸、BP神經(jīng)網(wǎng)絡(luò)以及FDPSOs優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)建立柑橘葉綠素含量預(yù)測(cè)模型。比較不同模型的預(yù)測(cè)結(jié)果得到如下結(jié)論：經(jīng)FDPSOs優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)葉綠素含量時(shí)比單純的BP神經(jīng)網(wǎng)絡(luò)準(zhǔn)確性更高（R=0.8786，RMSE=0.1683）；使用原始光譜數(shù)據(jù)和log(1/r)形式的光譜數(shù)據(jù)進(jìn)行柑橘葉綠素含量預(yù)測(cè)比導(dǎo)數(shù)形式