基于Stacking集成学习的猕猴桃叶片叶绿素含量估算

作者：符欣彤; 常庆瑞^*; 张佑铭; 张子娟; 郑智康; 李铠

来源：干旱地区农业研究, 2023, 41(04): 247-256.

• 猕猴桃
• 叶绿素含量
• 高光谱
• Stacking集成学习

叶绿素含量能有效表征植物光合作用强度，是反映植物生长状况的重要参量之一。以秦岭北麓壮果期猕猴桃叶片为研究对象，分别测定其叶绿素含量和光谱反射率，通过分析380～1 000 nm范围内高光谱参数与叶绿素含量的相关性，筛选出估测模型的输入特征，选择随机森林、极限梯度提升树、K-近邻、LightGBM算法和岭回归作为基模型，线性回归作为元模型，建立基于Stacking集成学习的猕猴桃叶片叶绿素含量估算模型，并通过网格搜索和交叉验证提高模型泛化能力，将Stacking模型与多个单一模型进行比较。结果表明：(1)不同叶绿素含量的猕猴桃叶片高光谱反射率变化趋势基本一致，在380～1 000 nm范围内呈现“一峰两谷一平台”的特点；(2)各高光谱参数与猕猴桃叶片叶绿素含量相关性较好，优化光谱指数和传统光谱指数中与叶绿素含量相关性最高的分别是比值光谱指数(RSI′581,438,r=0.947)和红边位置(r=0.914);(3)与多个单一模型相比，Stacking集成模型的估算精度最高(R2=0.807,MAE=0.334,RMSE=0.136),同时，其相对预测偏差(RPD=7.443)明显高于其他模型，具有极好的预测能力。本研究为快速、无损、精确地获取猕猴桃叶片叶绿素含量提供了新思路。

• 出版日期2023
• 单位中国农业科学院农田灌溉研究所; 西北农林科技大学