基于红边光谱特征和XGBoost算法的冬小麦叶绿素浓度估算研究

研究了基于氮肥效应的冬小麦不同生育期的叶绿素浓度,探讨了XG-Boost算法在冬小麦叶绿素浓度估算中的适用性.利用该算法构建了冬小麦叶绿素浓度的高光谱估算模型,并将其与偏最小二乘法(Partial Least Squares,PLS)以及人工神经网络(Neural Network,NN)算法进行了对比.结果 表明:(1)冬小麦的叶绿素浓度随着氮肥用量的增加而逐渐升高.(2)基于一阶微分光谱(Firstorder Differential Reflectance,FDR)数据集的估算模型表现最好.通过对比建模数据集与验证数据集的决定系数R2和相对分析误差(Residual Predictive Derivation,RPD)发现,XGBoost算法的效果最佳.(3)通过波段重要性分析发现,XGBoost算法的8个重要波段均在738～753 nm范围内.与8个常用的红边指数相比,通过XGBoost算法筛选到的8个一阶微分光谱波段对叶绿素浓度的准确估算起到了更加重要的作用.该算法可以作为一种有效的高光谱信息挖掘手段来估算冬小麦的叶绿素浓度.