題目

基于集成學(xué)習(xí)方法的煙草葉片氮含量無(wú)人機(jī)高光譜估測(cè)

應(yīng)用關(guān)鍵詞

高光譜遙感、葉片含氮量、集成學(xué)習(xí)、煙草

背景

煙草生產(chǎn)是中國(guó)西南地區(qū)農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展的關(guān)鍵支柱。為了給煙葉質(zhì)量?jī)?yōu)化提供信息支持，減輕煙農(nóng)的勞動(dòng)負(fù)擔(dān)，對(duì)快速、準(zhǔn)確、實(shí)時(shí)的葉片氮含量（Leaf nitrogen content, LNC）檢測(cè)方法有很大需求。無(wú)人機(jī)機(jī)載高光譜遙感（Hyperspectral remote sensing, HRS）能夠以非破壞性的方式獲取成像光譜數(shù)據(jù)，實(shí)現(xiàn)煙葉LNC的快速獲取。

一般來(lái)說(shuō)，可以使用經(jīng)驗(yàn)方法或物理方法建立模型，或者兩者相結(jié)合，以實(shí)現(xiàn)目標(biāo)性狀的反演。為了解決單個(gè)反演方法的異質(zhì)性，一些學(xué)者提出了作物表型性狀估計(jì)的集成學(xué)習(xí)框架。與試圖從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)一個(gè)假設(shè)的普通機(jī)器學(xué)習(xí)方法不同，集成方法試圖構(gòu)建一組假設(shè)并將它們組合起來(lái)使用。集成學(xué)習(xí)的思想是結(jié)合幾種不同的方法來(lái)增強(qiáng)輸入的多樣性，以挖掘更多的數(shù)據(jù)特征，從而提高模型的整體性能。

本研究旨在建立一種準(zhǔn)確有效的模型，利用無(wú)人機(jī)機(jī)載高光譜圖像估計(jì)煙草LNC。研究中測(cè)試了幾種基于三種集成學(xué)習(xí)策略的典型算法，包括隨機(jī)森林（RF）回歸、自適應(yīng)增強(qiáng)（Adaboost）回歸和堆疊回歸。此外，我們選擇了常用的偏最小二乘回歸（PLSR）作為基準(zhǔn)模型。主要?jiǎng)?chuàng)新點(diǎn)有：（1）研究了無(wú)人機(jī)機(jī)載HRS在煙草LNC估算中的潛力；（2）評(píng)估了不同集成學(xué)習(xí)策略（如bagging、boosting和stacking）下模型的性能；（3）探索基于堆疊策略提高模型預(yù)測(cè)精度的可行方法。

試驗(yàn)設(shè)計(jì)

江蘇大學(xué)趙春江教授團(tuán)隊(duì)利用Gaiasky-Mini2-VN高光譜相機(jī)（江蘇雙利合譜公司）獲取了研究區(qū)內(nèi)不同氮處理下煙草冠層的高光譜影像，其波段范圍為400 ~ 1000 nm，波段數(shù)為256。各類(lèi)地物的光譜曲線(xiàn)如圖1所示。在整個(gè)田間試驗(yàn)過(guò)程中，每約20天采集一次冠層圖像，從移栽后35天開(kāi)始，一直持續(xù)到收獲。

影像獲取后，第一步，利用ExG去除背景，并提取平均反射率。第二步，利用連續(xù)投影算法（SPA）進(jìn)行數(shù)據(jù)降維。第三步，建立LNC估計(jì)模型，研究中選擇了常用的PLSR作為基準(zhǔn)模型（圖1）。此外，采用集成學(xué)習(xí)方法來(lái)完成上述相同的回歸任務(wù)。集成學(xué)習(xí)框架下有三種建模策略，即bagging、boosting和stacking。本研究以決定系數(shù)（R²）、均方根誤差（RMSE）和平均絕對(duì)百分比誤差（MAPE）作為評(píng)價(jià)指標(biāo)。

圖1 本研究主要步驟流程圖

結(jié)論

本研究對(duì)全波段高光譜反射率數(shù)據(jù)進(jìn)行主成分分析（PCA），提取對(duì)LNC變化更敏感的主成分（PC）。如圖2所示，選取前80個(gè)PC進(jìn)行顯示，當(dāng)主成分?jǐn)?shù)為4、6、7時(shí)，累積方差貢獻(xiàn)率（AVCR）分別超過(guò)99.5%、99.8%、99.9%。我們選擇SPA作為二次降維算法。與PCA不同，SPA可以通過(guò)選擇對(duì)LNC變化更敏感的變量來(lái)降低數(shù)據(jù)維度，最終保留了15個(gè)波段（圖3）。

圖2 前7個(gè)PC貢獻(xiàn)了超過(guò)99.9%的信息

圖3 選擇的15個(gè)波段

從圖4可以看出，PLSR的R²相對(duì)較低，但訓(xùn)練集與測(cè)試集之間的差距較小。由于PLSR結(jié)合了PCA和MLR。在這里，我們也給出了MLR的預(yù)測(cè)結(jié)果，訓(xùn)練集和測(cè)試集之間的差距也很?。▓D4c、4d）。結(jié)果表明，訓(xùn)練良好的MLR模型具有良好的穩(wěn)定性，樣本分布均勻，同時(shí)也證明了我們的數(shù)據(jù)集劃分是合理的。

圖4g – 4p顯示了集成學(xué)習(xí)方法的結(jié)果，包括RF、Adaboost和堆疊模型。RF和Adaboost都是基于決策樹(shù)回歸（DTR），為了避免過(guò)擬合，我們將??????_????????的值設(shè)置為5。DTR的預(yù)測(cè)結(jié)果如圖4e和圖4f所示。對(duì)于堆疊模型，我們采用雙層結(jié)構(gòu)，MLR和DTR模型（即stacking – 1）作為第一層的基估計(jì)器，MLR作為第二層的元估計(jì)器。結(jié)果表明，stacking - 3模型預(yù)測(cè)效果好。與DTR模型在測(cè)試集上的預(yù)測(cè)結(jié)果相比，stacking - 1模型得到了顯著增強(qiáng)，但相較于SPA-MLR改進(jìn)幅度較小。結(jié)果表明，疊加策略可以傳遞基估計(jì)器的優(yōu)點(diǎn)。通過(guò)組合多個(gè)模型來(lái)挖掘更有價(jià)值的數(shù)據(jù)特征。在圖4m - 4p中也可以看到類(lèi)似的現(xiàn)象。通過(guò)將已經(jīng)訓(xùn)練好的模型添加到堆疊框架的第一層，可以發(fā)現(xiàn)在最終表現(xiàn)上也有逐漸的改善。當(dāng)添加RF模型時(shí)（stacking – 2），測(cè)試集上的R²不僅從0.710提高到0.743，而且超過(guò)了RF本身的R²值，RMSE值也有小幅下降。當(dāng)Adaboost模型被添加時(shí)（stacking – 3），與stacking – 2相比，準(zhǔn)確度只有輕微的提高。

綜上所述，stacking - 3模型的R²和RMSE最高（0.745, 4.824 mg/g），Adaboost模型的MAPE最小（17.56%）。原因可能是堆疊方法可以從不同的模型中提取更多可用的數(shù)據(jù)特征。由于數(shù)據(jù)噪聲的存在，模型在數(shù)據(jù)特征上往往表現(xiàn)不同。堆疊法可以提取各模型中表現(xiàn)較好的特征，丟棄較差的特征，有效地優(yōu)化預(yù)測(cè)結(jié)果，提高最終的預(yù)測(cè)精度。Adaboost模型可以根據(jù)每個(gè)基估計(jì)器的預(yù)測(cè)誤差調(diào)整其權(quán)重。錯(cuò)誤率小的基估計(jì)器在最終結(jié)果中占有較大的權(quán)重。因此，Adaboost模型得到最小的MAPE。對(duì)于RF，基估計(jì)量相互獨(dú)立，最終結(jié)果是所有基估計(jì)量的簡(jiǎn)單平均值，因此RF模型更容易受到異常值的干擾。

圖4 訓(xùn)練集和測(cè)試集下不同模型性能比較

進(jìn)一步分析每個(gè)基估計(jì)器對(duì)最終結(jié)果的貢獻(xiàn)。我們首先選擇已經(jīng)訓(xùn)練好的RF和Adaboost模型作為基估計(jì)器（圖5a、b）。stacking - 4的綜合性能優(yōu)于RF。將DTR和MLR分別加入到stacking - 4模型中，得到stacking - 5和stacking - 6模型。結(jié)果如圖5c、f所示。stacking - 5和stacking - 6模型之間存在非常小的差異。同時(shí)，stacking - 4模型（R² = 0.876）和stacking - 6模型（R² = 0.779）在訓(xùn)練集上存在顯著差異。

從某種意義上說(shuō)，DTR、RF和Adaboost模型（基于樹(shù)的模型）是同質(zhì)的，因?yàn)?/font>DTR本身是RF（bagging & DTR|）和Adaboost（boosting & DTR）模型的基估計(jì)器。因此，添加DTR不能使模型挖掘更多可用的數(shù)據(jù)特征。這可能就是stacking - 5模型的性能變化不大的原因。對(duì)于線(xiàn)性模型（MLR），它與基于樹(shù)的模型原理是不同的，可以學(xué)習(xí)到一些新特征。雖然在測(cè)試集上的表現(xiàn)略有下降，但在訓(xùn)練集上取得了進(jìn)步。模型的整體穩(wěn)定性得到了提高。綜上所述，RF和Adaboost幾乎貢獻(xiàn)了所有的堆疊精度，然后MLR有助于提高模型的穩(wěn)定性。

最后，對(duì)如何正確配置堆疊模型提出了一些建議。理想情況下，堆疊策略的第一層中的基估計(jì)器應(yīng)該是“準(zhǔn)確和異構(gòu)的”。通過(guò)這種方式，可以學(xué)習(xí)更多有價(jià)值的數(shù)據(jù)特征。此外，為了避免過(guò)擬合，第二層的元估計(jì)器通常選擇一個(gè)簡(jiǎn)單的模型（線(xiàn)性或嶺回歸），該模型使用第一層的輸出作為訓(xùn)練的輸入。

圖5 進(jìn)一步分析堆疊策略

作者信息

趙春江，博士，江蘇大學(xué)農(nóng)業(yè)工程學(xué)院教授，博士生導(dǎo)師。

主要研究方向：農(nóng)業(yè)智能系統(tǒng)與精準(zhǔn)農(nóng)業(yè)技術(shù)裝備。

參考文獻(xiàn)：

Zhang, M.Z., Chen, T.E., Gu, X.H., Kuai, Y., Wang, C., Chen, D., & Zhao, C.J. (2023). UAV-borne hyperspectral estimation of nitrogen content in tobacco leaves based on ensemble learning methods. Computers and Electronics in Agriculture, 211.

https://doi.org/10.1016/j.compag.2023.108008