返回列表
基于特征筛选和粒子群优化的花生生物量估算
农业监测
2026/09/21
摘要：为解决花生植株生物量估算精度低、破坏性大等问题，该研究提出一种无人机低空遥感技术，结合高光谱特征筛 选的花生生物量估算方法。通过无人机搭载高光谱成像仪，获取田块尺度多个花生品种的高光谱影像数据，首先对获取 的影像进行拼接、辐射定标、大气校正等预处理，提取出地面采样点位置的光谱反射率，计算光谱反射率的一阶微分和 植被指数，使用变量投影重要性（variable importance in projection，VIP）方法对光谱反射率、一阶微分和植被指数等三 种数据进行特征筛选，利用筛选后的特征和地面实测数据构建支持向量机回归（（ support vector regression，SVR）、反向 传 播神经网络回归（back propagation neural network，BPNN）和随机森林回归（random forest regression，RFR）模型， 并 使用粒子群优化算法（particle swarm optimization，PSO）进行模型优化。结果表明：相比原始光谱反射率和植被指数， 一阶微分光谱反射率与花生生物量具有较好的相关性；使用一阶微分光谱反射率与植被指数组合的 RF 回归模型精度最 高（（ 决定系数R2为0.75，均方根误差RMSE为0.08），使用粒子群优化后的PSO-RF模型可进一步提高模型精度（（ R2 为 0.80，RMSE为0.07）。该研究为花生生物量遥感监测提供了有效的理论方法参考。
关键词：花生；生物量；高光谱影像；特征筛选；机器学习；粒子群优化。
期刊：农业工程学报
DOI：10.11975/j.issn.1002-6819.202407251
设备：GaiaSky
