基于高光谱结合机器学习方法对谷子株高的遥感监测

摘要

为构建谷子株高遥感监测的高精度模型，以谷子品种‘晋谷21号’为研究对象，利用地物光谱仪（Analytical Spectral Device,ASD）测定冠层高光谱数据，同步测定其株高，采用一阶微分、二阶微分、标准正态变量变换、多元散射校正和Savitzky-Golay平滑等5种方法对原始光谱（R）数据进行预处理，并运用植被指数、特征波长和全波段机器学习方法探究不同指标与株高的相关性，从而构建谷子株高监测模型。结果表明：选取的最优植被指数NPQI与谷子株高的相关性达到-0.718；在4种机器学习构建的模型中，基于全生育期全波段构建的2STPLS模型（R²=0.850;RMSE=6.655 cm;RPD=2.187）和基于全生育期全特征波长构建的PLS模型（R²=0.840,RMSE=6.102 cm,RPD=2.385）表现出较高的预测能力。该研究证明了光谱技术在谷子株高监测中的适用性，为实现谷子株高的精准、快速无损估测奠定了基础。

关键词

谷子 / 高光谱 / 株高 / 机器学习方法 / 特征波长 / 全波段