基于机器学习和可见光光谱的冬小麦叶片氮积累量估算

在拔节期分4次采集了6个施氮水平下的冬小麦冠层图像，同步进行取样并以凯氏定氮法测定叶片含氮量，进而计算叶片氮积累量。利用随机森林算法分割冠层图像之后提取冠层覆盖度、可见光波段（R ， G 和 B）三个分量及其衍生的5个色彩指数。以冠层覆盖度外加色彩指数、色彩分量的两种非线性回归，以及人工神经网络、支持向量回归、随机森林3种机器学习算法建立了冬小麦叶片氮积累量的估算模型。结果表明利用色彩指数的非线性回归模型的估算精度稍低于其他方法，而随机森林算法的拟合精度最高，但存在明显的过拟合现象。其他三种方法，即以冠层覆盖度及色彩分量为输入变量的非线性回归、支持向量回归和人工神经网络方法，均具有较高的拟合精度和泛化性能。