为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农...为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农田为研究区,通过采集冬小麦冠层反射光谱,结合实验室测定精确全氮含量,利用IGWO算法选择冬小麦作物-土壤共同特征波长。结果表明,相较于遗传算法(Genetic algorithm,GA)等其他仿生学优化算法,改进灰狼优化算法可以选择冬小麦作物-土壤共同冠层反射光谱特征波长。在随机森林(Random forest,RF)回归模型下,冬小麦作物和土壤全氮含量测试集的决定系数(Coefficient of determination,R^(2))分别为0.7888和0.7534。与其他仿生学算法相比,IGWO选择的特征波长405、495、582、731、808 nm预测性能最佳,能够有效利用全谱信息且符合冬小麦生理特征。改进灰狼优化算法能够选择冬小麦作物-土壤共同的冠层反射光谱特征波长,实现对冬小麦作物-土壤全氮含量的较高精度估计,可作为估测田间冬小麦作物-土壤全氮含量的有效途径。展开更多
文摘为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农田为研究区,通过采集冬小麦冠层反射光谱,结合实验室测定精确全氮含量,利用IGWO算法选择冬小麦作物-土壤共同特征波长。结果表明,相较于遗传算法(Genetic algorithm,GA)等其他仿生学优化算法,改进灰狼优化算法可以选择冬小麦作物-土壤共同冠层反射光谱特征波长。在随机森林(Random forest,RF)回归模型下,冬小麦作物和土壤全氮含量测试集的决定系数(Coefficient of determination,R^(2))分别为0.7888和0.7534。与其他仿生学算法相比,IGWO选择的特征波长405、495、582、731、808 nm预测性能最佳,能够有效利用全谱信息且符合冬小麦生理特征。改进灰狼优化算法能够选择冬小麦作物-土壤共同的冠层反射光谱特征波长,实现对冬小麦作物-土壤全氮含量的较高精度估计,可作为估测田间冬小麦作物-土壤全氮含量的有效途径。