基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型和方法技术

本发明专利技术提供一种基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，为Python语言的支持向量机回归模型，并进一步提供了该支持向量机回归模型的模型参数。还提供了基于支持向量机回归算法的水稻叶片碳氮比遥感反演方法。本发明专利技术的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型能够快速、准确的获取水稻叶片碳氮比信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻叶片碳氮比特征波段难以确定的困难，降低建模数据较少对建模精度的影响，充分利用高光谱分辨率的反射率所包含的水稻叶片碳氮比信息，从而提高水稻叶片碳氮比反演模型精度，设计巧妙，计算简便，易于实现，成本低，适于去大规模推广应用。

【技术实现步骤摘要】
基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型和方法
本专利技术涉及农业遥感
，特别涉及水稻叶片碳氮比测量
，具体是指一种基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型和方法。
技术介绍
水稻叶片碳氮比是水稻叶片中碳含量和氮含量的比值，是反映水稻植株内碳氮代谢的重要诊断指标。水稻碳氮比是农业生态以及全球变化领域广泛考虑的重要因子，是各种生态模型的重要输入参数。其中，水稻叶片碳氮比受水稻光合能力、环境温度以及肥水等因素的影响，反映了水稻生理、长势以及肥水状况。监测水稻叶片碳氮比，不仅可以保证水稻生产的产量和品质，同时能够动态管理水稻的水肥施用，减少水稻生产中水肥的使用量，从而产生显著的经济和社会效益(薛利红,杨林章,范小晖.基于碳氮代谢的水稻氮含量及碳氮比光谱估测[J].作物学报,2006,032(003):430-435)。传统的水稻叶片碳氮比的监测主要采用破坏性采样的方法，需要在室内进行测定，需要投入大量的人力，费时费力，且时效性差，无法及时的获取水稻的叶片碳氮比，难以推广应用和快速获取其信息。水稻本文档来自技高网...

【技术保护点】
1.一种基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，其特征在于，所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型为Python语言的支持向量机回归模型，所述支持向量机回归模型的模型参数为：'degree':684,'coef0':5.4881350392732475,'shrinking':True,'C':0.04795476192547066,'gamma':'scale','epsilon':0.17130951788499627,'kernel':'rbf','tol':0.001,'cache_size':200,'max_iter':-1。/n

【技术特征摘要】
1.一种基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，其特征在于，所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型为Python语言的支持向量机回归模型，所述支持向量机回归模型的模型参数为：'degree':684,'coef0':5.4881350392732475,'shrinking':True,'C':0.04795476192547066,'gamma':'scale','epsilon':0.17130951788499627,'kernel':'rbf','tol':0.001,'cache_size':200,'max_iter':-1。


2.如权利要求1所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，其特征在于，所述支持向量机回归模型采用水稻的数据集训练而成，所述数据集包括所述水稻的m个样点的冠层反射率和叶片碳氮比，m个所述样点均匀分布在水稻种植区域，所述冠层反射率为n个特征波段的冠层反射率。


3.如权利要求2所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，其特征在于，所述m为36，所述n个特征波段为2151个特征波段，所述2151个特征波段为从350nm波段至2500nm波段。


4.一种基于支持向量机回归算法的水稻叶片碳氮比遥感反演方法，其特征在于，包括以下步骤：
(1)测量水稻的冠层反射率；
(2)测量所述水稻的叶片碳氮比；
(3)以所述冠层反射率为输入数据，采用Python语言的支持向量机回归模型进行计算，获得反演值，根据所述反演值与所述叶片碳氮比计算决定系数R2，改变所述支持向量机回归模型的模型参数的取值，R2的变化越大，说明所述模型参数的重要性越大，将所述模型参数按照所述重要性的大小由大到小进行排列构建模型参数调优秩次矩阵；
(4)以所述冠层反射率为所述输入数据，以所述叶片碳氮比为输出结果，训练所述支持向量机回归模型，根据所述模型参数调优秩次矩阵依次对所述模型参数进行调优，获得所述模型参数的调优值；
(5)以所述冠层反射率为所述输入数据，以所述叶片碳氮比为所述输出结果，采用所述的模型参数的调优值，训练所述支持向量机回归模型，待所述支持向量机回归模型训练结束后，获得基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，使用save方法保存所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，如果需要使用所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型，使用load方法加载所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演模型使用。


5.如权利要求4所述的基于支持向量机回归算法的水稻叶片碳氮比遥感反演方法，其特征在于，在所述步骤(1)中，所述测量采用...

【专利技术属性】
技术研发人员：姜晓剑，邵文琦，钟平，朱元励，吴莹莹，汪伟，李卓，任海芳，陈青春，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏;32