基于集成学习的大豆叶绿素含量估算

来源：江苏农业科学杂志2025年第第5期北京时间：

作者：张留亚;袁德宝;范雨晴

单位：中国矿业大学(北京)地球科学与测绘工程学院，北京 100083

摘要：准确估算大豆叶绿素含量对于农业管理和农作物产量的监测具有重要意义。高光谱遥感技术可以提供植物光谱信息，利用多种机器学习方法，建立一套有效的叶片叶绿素估算模型。本研究旨在利用高光谱非成像数据建立一个高性能模型来估算叶绿素含量。针对单一模型存在的异质性问题，拟构造最优植被指数(VI)，计算其与叶绿素含量的相关系数，利用多元线性回归(MLR)、决策树回归(DTR)、随机森林(RF)、自适应增强(AdaBoost)和堆叠(Stacking)等多种方法，构建叶绿素含量反演模型。在此基础上，以决定系数(r2)、均方根误差(RMSE)和平均绝对误差(MAE)等为评估指标，对所建立的模型进行精确评估，选择偏最小二乘回归(PLSR)模型作为基准模型。结果表明，集成学习具有很大的叶绿素含量估算潜力，比较建模算法时，集成算法在估算大豆叶绿素含量方面比使用单一机器学习算法具有更大的优势，基于Stacking-5的模型具有最高的准确性和较高的稳定性(r2=0.810，RMSE=4.679，MAE=1.901)。本研究为利用高光谱遥感技术高效、无损地估测叶绿素含量提供了参考。

关键词：大豆;高光谱;植被指数;叶绿素含量;集成学习