基于GA-PLS-SPA的辣椒叶片叶绿素含量高光谱估测

来源：江苏农业科学杂志2024年第第7期北京时间：

作者：彭俊杰;汪泓;王宇;肖玖军;李可相;邢丹

单位：1.贵州大学矿业学院，贵州贵阳 550025； 2.贵州省山地资源研究所，贵州贵阳 550001； 3.贵州省土地绿色整治工程研究中心，贵州贵阳 550001； 4.贵州省农业科学院辣椒研究所，贵州贵阳 550009

摘要：叶绿素对辣椒的长势评估和营养状况管理具有重要的意义，针对高光谱存在数据量大和冗余度高的问题，探究不同特征选择算法相结合进行高光谱叶绿素含量估测的可行性。以贵州省遵义市栽培辣椒为研究对象，采集盛果期辣椒冠层高光谱数据，通过卷积平滑(SG)、一阶微分(FD)、二阶微分(SD)和多元散射校正(MSC)处理原始光谱数据，比较不同预处理方法下的贝叶斯优化随机森林(BO-RF)估测效果，以MSC预处理后的数据为基础，运用遗传偏最小二乘算法结合连续投影算法(GA-PLS-SPA)进行最优特征波段选取，最后以GA-PLS、SPA和GA-PLS-SPA分别选取的特征波段作为输入变量，建立BO-RF、RF和BP神经网络模型来验证GA-PLS-SPA的普适性和广泛性。结果表明，MSC相比其他预处理方法对叶绿素含量的反演效果最好；相同估测模型条件下，基于GA-PLS-SPA建立的估测模型精度最高，选取特征波段数量最少，为7个，GA-PLS-SPA-BO-RF是估测叶绿素含量的最佳模型，训练集的R2、RMSE和RPD分别为0.896、2.791和3.124，测试集的R2、RMSE和RPD分别为0.913、2.965和3414；相同算法建模条件下，BO-RF的精度明显高于RF和BP神经网络。MSC处理后的光谱能极大程度提取出辣椒叶片的叶绿素信息，GA-PLS-SPA能有效实现特征波段选取，降低模型复杂度，BO-RF具有良好的叶绿素含量反演能力。

关键词：辣椒;叶绿素;高光谱波段选择;遗传偏最小二乘算法;连续投影算法;贝叶斯优化随机森林