利用Stacking集成学习估算柑橘叶片氮含量

• Published in: 农业工程学报 Vol. 37; no. 13; pp. 163 - 171
• Main Authors: 吴彤, 李勇, 葛莹, 刘凌杰, 席顺忠, 任孟杰, 袁晓慧, 庄翠珍
• Format: Journal Article
• Language: Chinese
• Published: 河海大学水文水资源学院,南京 210098%河海大学地球科学与工程学院,南京 211100%新平褚氏农业有限公司,新平 653407 01.07.2021
• Subjects: Stacking; 模型; 植被指数; 遥感; 柑橘; 卫星; 氮
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2021.13.019

S127; 准确估算柑橘叶片氮含量对于科学合理的施肥具有重要的指导作用,该研究利用Landsat8 OLI卫星遥感影像和地面采样实测数据,以K-近邻(K-Nearest Neighbors,KNN),随机森林(Random Forest,RF)和自适应增强(Adaptive boosting,Adaboost)模型为基础,构建Stacking集成学习框架,实现对柑橘叶片氮含量(Leaf Nitrogen Content,LNC)的估算.首先分析不同氮含量下的光谱反射特征,构建植被指数(Vegetation Indices,VIs)并计算其与柑橘LNC的相关系数;接着利用格网搜索、交叉验证训练模型,最后将Stacking模型与包括Bagging(Bootstrap Aggregating,Bagging)、人工神经网络(Artificial Neural Network,ANN)在内的多个经典机器学习模型试验结果进行对比分析,并生成柑橘果园的氮含量分布图.结果表明:1)构建的光谱指数与LNC具有较好的相关性,大部分指数相关系数在0.55以上;2)相比KNN、RF、Adaboost等多个单一模型,Stacking模型的估算效果最佳,决定系数达到0.761,均方根误差为1.366 g/kg,平均绝对百分比误差为3.494％;同时,Stacking模型的赤池信息准则(Akaike Information Criterion,AIC)值最低,是观测期内LNC估算的最优模型;3)研究区内LNC值整体上处于30.5～31.5 g/kg左右,接近柑橘种植的理想区间,模型估算与实测值趋于一致.总体上,该研究采用的光谱特征能够有效表征柑橘冠层叶片氮含量,并证明Stacking集成学习能综合多个基模型的优点,提高模型的准确性,为利用卫星遥感展开作物参数估算提供新的思路.