初発蛍光スペクトルからの水稲葉窒素濃度推定のための異なる回帰アルゴリズムの評価

Assessing different regression algorithms for paddy rice leaf nitrogen concentration estimations from the first-derivative fluorescence spectrum.

• Jian Yang
• Lin Du
• Yinjia Cheng
• Shuo Shi
• Chengzhi Xiang
• Jia Sun
• Biwu Chen

抄録

作物の葉窒素濃度(LNC)の非破壊的かつ迅速な推定は、窒素(N)肥料の品質評価と正確な管理にとって重要である。一次微分は、スペクトル分析のノイズを低減するために適用することができ、異なる施肥レベルでの葉面窒素濃度や葉緑素濃度の推定に適している。本研究では、レーザー誘起蛍光（LIF）スペクトルの観点から一次導出蛍光スペクトル（FDFS）を計算し、主成分分析（PCA）、部分最小二乗回帰（PLSR）、ランダムフォレスト（RF）、放射状基本関数ニューラルネットワーク（RBF-NN）、バックプロパゲーションニューラルネットワーク（BPNN）を含む様々な回帰アルゴリズムと組み合わせて、水稲のLNC推定を行った。次に、計算されたFDFSを入力変数としたLNC推定のための回帰アルゴリズムに対する多様な内部パラメータの影響を議論し、各モデルの最適パラメータを取得した。その後、FDFSに基づくLNC推定に最適なパラメータを設定したモデル(PLSR, RF, BPNN, RBF-NN, PCA-RF, PCA-BPNN, PCA-RBFNN)の性能について議論した。その結果、PCAは明らかに負けることなく主要なスペクトル情報を効率的に抽出することができ、LNC推定のためのモデル(PLSR, PCA-RF, PCA-BNN, PCA-RBFNN)の安定性とロバスト性を向上させることができることが示された。その結果、PCA-RBFNNモデルは、本研究の他の回帰モデルと比較して、平均Rが高く(R=0.8743)、SD値が低く(SD=0.0256)、LNC推定に優れた可能性を示した。また、PLSRもPCA-RBFNNを除く他の回帰モデルと比較して、平均R=0.8412と高い値を示し、LNC推定に有望な可能性を示した。

The non-destructive and rapid estimation of the crop's leaf nitrogen concentration (LNC) is significant for the quality evaluation and precise management of nitrogen (N) fertilizer. First derivative can be applied to reduce the noise in the spectral analysis, which is suited to estimate leaf N and chlorophyll concentration with different fertilization levels. In this study, the first-derivative fluorescence spectrum (FDFS) was calculated in terms of the laser-induced fluorescence (LIF) spectra and was combined with different regression algorithms, including principal component analysis (PCA), partial least-square regression (PLSR), random forest (RF), radial basic function neural network (RBF-NN), and back-propagation neural network (BPNN) for paddy rice LNC estimation. Then, the effect of diverse inner parameters on regression algorithm for LNC estimation based on the calculated FDFS served as input variables were discussed, and the optimal parameters of each model were acquired. Subsequently, the performance of different models (PLSR, RF, BPNN, RBF-NN, PCA-RF, PCA-BPNN, and PCA-RBFNN) with the optimal parameter for LNC estimation based on FDFS was discussed. Results demonstrated that PCA can efficiently extract major spectral information without obviously losing, which can improve the stability and robustness of model (PLSR, PCA-RF, PCA-BNN, and PCA-RBFNN) for LNC estimation. Then, PCA-RBFNN model exhibited better potential for LNC estimation with higher average R (R=0.8743) and lower SD values (SD=0.0256) than that the other regression models in this study. And, PLSR also exhibited promising potential for LNC estimation in which the R values (average R=0.8412) are higher than that the other models except for PCA-RBFNN.