科研产出
基于无人机激光雷达的高通量作物冠层叶面积指数反演模型
《生物工程学报 》 2025 北大核心 CSCD
摘要：为探讨无人机激光雷达（light detection and ranging, LiDAR）对作物冠层叶面积指数（leaf area index, LAI）测量的可行性，利用无人机搭载激光雷达对分蘖期和伸长期的甘蔗冠层进行扫描，获取冠层点云；然后提取各行的平均高度、投影面积、不同部位点云数量等参数以及参数间的比值作为特征变量；再分别使用基于偏最小二乘回归（partial least squares regression, PLSR）、XGBoost特征重要性（XGBoost feature importance, XGBoost-FI）、随机森林递归特征消除（random forest recursive feature elimination, RF-RFE）这3种特征选择方法筛选模型最优输入变量，最后分别构建基于随机森林（random forest, RF）和自适应增强学习器（adaptive boosting, AdaBoost）的甘蔗LAI反演模型，并评估其效果。结果显示，行投影面积和行点云总量与LAI具有较高的相关性，分别达到了0.73和0.72；将行投影面积Sp、平均高度Havg、中层点云量Cm和行点云总量Ctotal作为输入变量构建的基于AdaBoost的LAI反演模型效果最好，其验证集决定系数Rv2最高，为0.713，均方根误差RMSEv为0.25。本研究结果为高通量获取大田作物的LAI提供了有效的方法，可以为甘蔗田间管理、育种提供科学指导。
全文链接
请求原文
基于多种机器学习算法预测广西蔗区甘蔗产量
《智慧农业(中英文) 》 2023
摘要：[目的/意义]分析广西甘蔗主产区甘蔗产量与气象因素的关系,利用气象数据预测甘蔗产量,为糖厂及相关管理部门提供科学的数据支撑.[方法]选用2002~2019年广西五个不同地级市内蔗区的产量数据及14种逐日气象数据,将每年的各气象因子以78个逐月递增的连续时段的均值与产量进行相关性分析,根据敏感时段分析法确定关键气象因子,并分析各气象因子在敏感时段对产量的影响.分别利用BP神经网络(BP Neural Network,BPNN)、支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、长短期记忆网络(Long Short-Term Memory,LSTM)建立单蔗区产量预测模型,并采用以全生育期气象均值作为模型输入的方法进行对照实验.使用HP滤波法(Hodrick Prescott Filter)分离出甘蔗气象产量,将5个蔗区的数据混合,分别利用RF、SVM、BPNN和LSTM建立通用的多蔗区气象产量预测模型.[结果和讨论]对于单蔗区,敏感时段分析法的模型预测效果明显优于全生育期取气象均值的方法,LSTM模型对于上述两种数据处理方法的预测效果均明显优于目前广泛使用的BPNN、SVM、RF模型,敏感时段分析法的LSTM模型整体的均方根误差(Root Mean Square Error,RMSE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为10.34 t/ha和6.85%,决定系数Rv2为0.8489.对于多蔗区,LSTM预测结果较差,RF、SVM及BPNN三种预测模型都取得了良好的效果,预测效果最好的BPNN模型的RMSE和MAPE分别为0.98 t/ha和9.59%,Rv2为0.965.[结论]通过敏感时段分析法筛选的关键气象因子与产量均呈显著相关,根据敏感时段能准确地分析各气象因子对产量的影响.使用LSTM模型预测单蔗区产量,使用BPNN模型预测多蔗区甘蔗气象产量的方法是可行的,且预测误差在可接受范围内.
关键词： 气象因子 HP滤波 甘蔗产量 BPNN模型 LSTM模型 机器学习
全文链接
请求原文
首页上一页1下一页尾页
