[發(fā)明專利]基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型和方法在審
| 申請?zhí)枺?/td> | 202011349288.5 | 申請日： | 2020-11-26 |
| 公開（公告）號： | CN112580193A | 公開（公告）日： | 2021-03-30 |
| 發(fā)明（設(shè)計）人： | 汪偉;鐘平;邵文琦;朱元勵;吳瑩瑩;姜曉劍;陳青春;任海芳;李卓 | 申請（專利權(quán)）人： | 淮陰師范學(xué)院 |
| 主分類號： | G06F30/20 | 分類號： | G06F30/20;G06F17/18;G06F17/16;G06Q50/02;G06F111/10 |
| 代理公司： | 上海大視知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31314 | 代理人： | 顧小偉 |
| 地址： | 223300 江蘇*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 elasticnet 回歸 算法 水稻 葉片 淀粉 積累 遙感 反演 模型 方法 | ||
1.一種基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，其特征在于，所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型為Python語言的ElasticNet回歸模型，所述ElasticNet回歸模型的模型參數(shù)為：'tol'＝3.3222816223631852,'max_iter'＝546,'selection'＝'random','alpha'＝0.001536282988902561,'l1_ratio'＝0.32852234554341053。
2.如權(quán)利要求1所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，其特征在于，所述ElasticNet回歸模型采用水稻的數(shù)據(jù)集訓(xùn)練而成，所述數(shù)據(jù)集包括所述水稻的m個樣點的冠層反射率和葉片淀粉積累量，m個所述樣點均勻分布在水稻種植區(qū)域，所述冠層反射率為n個特征波段的冠層反射率。
3.如權(quán)利要求2所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，其特征在于，所述m為36，所述n個特征波段為2151個特征波段，所述2151個特征波段為從350nm波段至2500nm波段。
4.一種基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演方法，其特征在于，包括以下步驟：
(1)測量水稻的冠層反射率；
(2)測量所述水稻的葉片淀粉積累量；
(3)以所述冠層反射率為輸入數(shù)據(jù)，采用Python語言的ElasticNet回歸模型進行計算，獲得反演值，根據(jù)所述反演值與所述葉片淀粉積累量計算決定系數(shù)R2，改變所述ElasticNet回歸模型的模型參數(shù)的取值，R2的變化越大，說明所述模型參數(shù)的重要性越大，將所述模型參數(shù)按照所述重要性的大小由大到小進行排列構(gòu)建模型參數(shù)調(diào)優(yōu)秩次矩陣；
(4)以所述冠層反射率為所述輸入數(shù)據(jù)，以所述葉片淀粉積累量為輸出結(jié)果，訓(xùn)練所述ElasticNet回歸模型，根據(jù)所述模型參數(shù)調(diào)優(yōu)秩次矩陣依次對所述模型參數(shù)進行調(diào)優(yōu)，獲得所述模型參數(shù)的調(diào)優(yōu)值；
(5)以所述冠層反射率為所述輸入數(shù)據(jù)，以所述葉片淀粉積累量為所述輸出結(jié)果，采用所述的模型參數(shù)的調(diào)優(yōu)值，訓(xùn)練所述ElasticNet回歸模型，待所述ElasticNet回歸模型訓(xùn)練結(jié)束后，獲得基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，使用save方法保存所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，如果需要使用所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，使用load方法加載所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型使用。
5.如權(quán)利要求4所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演方法，其特征在于，在所述步驟(1)中，所述測量采用高光譜輻射儀進行，所述測量的時間為10:00～14:00，所述高光譜輻射儀采用視場角為25°的鏡頭，所述便攜式野外高光譜輻射儀的傳感器探頭垂直指向所述水稻的冠層并距離所述冠層的頂層的垂直高度為1米，所述傳感器探頭的地面視場范圍直徑為0.44米，所述傳感器探頭迎向陽光，所述測量采用標(biāo)準(zhǔn)板進行校正，所述標(biāo)準(zhǔn)板是反射率為95％～99％的標(biāo)準(zhǔn)白板。
6.如權(quán)利要求4所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演方法，其特征在于，在所述步驟(2)中，所述的測量所述水稻的葉片淀粉積累量的步驟具體包括：
采集所述水稻的葉片，殺青，烘干，至恒重后獲得干葉片，測定所述干葉片的重量，獲得葉片干物重；
將所述干葉片粉碎，測定葉片淀粉含量，將所述葉片干物重乘以所述葉片淀粉含量獲得所述葉片淀粉積累量。
7.如權(quán)利要求6所述的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演方法，其特征在于，在所述步驟(2)中，所述殺青的溫度為105℃，所述殺青的時間為20分鐘～30分鐘，所述烘干的溫度為80℃～90℃，所述測定葉片淀粉含量采用旋光比色法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于淮陰師范學(xué)院，未經(jīng)淮陰師范學(xué)院許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011349288.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
