基于高光谱反射率估测分蘖洋葱叶片净光合速率的研究

摘要

分蘖洋葱的叶片为筒状叶，常规的光合作用测量仪无法使用其叶室夹取叶片，准确获取净光合速率。为解决这一问题，利用高光谱反射率结合机器学习算法来定量分析分蘖洋葱叶片的净光合速率。采用主成分分析（PCA）与随机森林（RF）模型分别和支持向量机（SVM）模型相结合，从高光谱数据中有效地提取了反映净光合速率的光谱特征，建立了高光谱反射率反演净光合速率的模型。主成分分析有效降低了数据维数，捕获了前9个主成分92.9%的方差，为机器学习模型提供了坚实的基础。在测试的模型中，随机森林模型表现出色，决定系数（R²）为0.94，均方根误差（RMSE）为1.515 4，预测精度和稳定性都很高。尽管支持向量机模型的R²为0.81,RMSE为1.63，但仍被证明能够处理数据中复杂的非线性关系，展示了其在预测建模任务中的鲁棒性和泛化能力。比较分析发现，随机森林模型更适合构建净光合速率的高光谱反射率反演模型。它能够通过集成策略减少预测错误，提供更稳定、更准确的估测。因此，本研究所采用的方法是解决分蘖洋葱筒状叶片净光合速率估测的有效手段。

关键词

光谱分析 / 净光合速率 / 支持向量机模型 / 随机森林模型