학술논문
应用可见光和近红外图像对白桦凋落叶碳质量分数的估测模型 / Estimation Model of Carbon Content of Birch Leaf Litter Using Visible/Near-infrared Images
Document Type
Academic Journal
Source
东北林业大学学报 / Journal of Northeast Forestry University. 51(6):108-114
Subject
Language
Chinese
ISSN
1000-5382
Abstract
为了克服传统植物凋落叶碳质量分数检测方法成本高、费时耗力等问题,探究基于可见光、近红外图像信息和机器学习算法构建凋落叶碳质量分数估测模型,为实时监测和快速获取植物凋落叶的碳质量分数提供技术手段.以白桦凋落叶为研究对象,利用可见光和近红外图片信息提取光学三原色(RGB)、六角锥体模型(HSV)和单色图像中的叶片颜色、纹理和形状特征共47个,然后利用主成分分析对特征变量进行降维,并利用遗传算法优化神经网络模型(GA-BPNN)、3种不同核函数的支持向量机回归模型(SVR)和随机森林回归模型(RFR)对叶片碳质量分数进行建模和预测.结果表明:在训练数据集上,RFR模型对叶片碳质量分数的拟合和预测效果最好(平均绝对误差(EMA)=4.625 3,均方根误差(ERSM)=5.608 7,平均百分比误差(EMAP)=0.010 6,决定系数(R2)=0.834 8);在测试数据集上,GA-BPNN和RFR模型对叶片碳质量分数预测精度相似,RBF-SVR模型的拟合和预测效果最好(EMA=6.529 2,ERSM=7.925 2,EMAP=0.015 0,R2=0.610 7),RBF-SVR 模型与 BPNN 和 RFR 模型相比 EMA分别下降13.04％和13.27％、ERSM分别下降8.6％和9.77％、EMAP分别下降12.79％和13.29％.研究结果为快速无损获取凋落叶碳质量分数,及时预测凋落物的分解速率提供了新的方法.