基于高光谱反射率的冬小麦相对叶绿素含量估算：数据驱动集成学习方法的综合分析

《Information Processing in Agriculture》：Estimation of relative chlorophyll content in winter wheat employing hyperspectral reflectance: A comprehensive analysis of data-driven ensemble learning methods

　　

集成学习在基于遥感的植物表型数据中应用日益广泛。本研究旨在系统评估并行集成、串行集成和混合集成学习方法以及个体机器学习模型在不同环境下利用高光谱反射率数据估算基于SPAD（Soil and Plant Analyzer Development，土壤与植物分析仪开发）的叶绿素含量的性能。研究在两个不同环境下采集了冬小麦 late 生长阶段的冠层高光谱反射率和SPAD测量数据。并行和串行集成学习策略分别以随机森林（RF）和极限梯度提升（XGBoost）为代表。混合集成综合了K近邻（KNN）、支持向量机（SVM）、偏最小二乘回归（PLSR）、广义线性模型（GLM）、深度神经网络（DNN）和高斯过程（GP）的性能。灰色关联分析（GRA）被用于评估波段特征，特征质量与预测精度之间的正相关关系验证了其有效性。在建模过程中，XGBoost（R² = 0.657–0.658）的表现不如RF（R² = 0.687–0.691）。GLM在大多数混合集成成员中于大多数特征区间内均表现优异（R² = 0.137–0.692，0.512–0.723），在多个特征区间上取得了优越的预测精度，并且也优于RF（R² = 0.156–0.687，0.535–0.691）。在混合集成采用的六种预测组合策略中，逆排名（InvW，R² = 0.640–0.726）在不同特征区间表现出稳健的性能，但仅相对于最优的个体集成成员提供了边际改善。此外，在混合集成中加入RF和XGBoost并未带来显著精度提升。为平衡计算效率和预测精度，推荐将基于GRA的最优特征与GLM建模相结合用于类似应用，而非依赖复杂的集成学习方法。这些发现为相对叶绿素含量估算提供了宝贵见解，并对大规模作物性状估算具有应用潜力。该研究发表在《Information Processing in Agriculture》（农业信息处理）。

本研究聚焦于利用高光谱遥感技术快速、高通量估算作物性状这一精准农业核心需求，针对集成学习方法在基于SPAD值的相对叶绿素含量估算中的有效性缺乏系统评估的问题展开。叶绿素作为植物光合作用的核心色素，直接影响光能的吸收与利用，而SPAD值作为相对叶绿素含量的便捷指标，虽能快速反映叶片叶绿素水平，但其点对点、叶片尺度的测量方式限制了大面积监测应用。高光谱 sensing 技术为作物性状的快速、高通量预测提供了有效途径，而集成学习作为机器学习的扩展，通过整合多个基模型的预测以提高精度、鲁棒性和泛化能力，已在分类、回归、时间序列预测和特征选择等领域广泛应用。然而，并行集成（如RF）、串行集成（如XGBoost）和混合集成这三种策略在相对叶绿素含量估算中应用较少，且缺乏全面比较；同时，集成学习策略是否始终优于个体机器学习算法仍有待探究。基于此，研究人员系统比较了不同机器学习与集成学习算法在跨环境、跨特征区间估算SPAD值时的表现，以期为作物研究提供技术参考。

研究人员所用的关键技术方法如下：研究样本来源于2018–2019生长季中国新乡（35.30°N, 113.85°E）和周口（114.65°E, 33.62°N）两地late灌浆期的207个小麦品种，采集了780和727份样本的冠层高光谱反射率（350–2500 nm，ASD FieldSpec 3光谱仪）及叶片SPAD值。采用灰色关联分析（GRA）评估波段特征重要性并分为10个等级区间；建模框架A（MFA）以新乡数据训练、周口数据测试，框架B（MFB）反之；运用并行集成（RF）、串行集成（XGBoost）及包含KNN、SVM、PLSR、GLM、DNN、GP六种基模型的混合集成（含BG、BMA、EIG、InvW、NG、OLS六种预测组合策略）进行建模；通过5折交叉验证与网格搜索优化超参数，以决定系数（R²）和均方根误差（RMSE）评价模型性能。

**GRA对不同高光谱波段的评估**

通过GRA分析各波段与SPAD值的灰色关联度（GRD），研究人员发现不同环境下光谱响应存在差异。在新乡，与SPAD值关联最强的前10%波段显著集中于可见光区域，短波红外仅六个波段；而周口的前10%波段分布更为均匀，可见光区域113个波段，短波红外104个波段。两地后10%波段（90%–100%）主要位于大气水吸收显著区域（1800–2100 nm、2350–2500 nm）。GRD分布的一致性表明该方法可有效识别与叶绿素动态相关的生物相关特征。

**并行集成与串行集成的模型性能**

RF的SPAD预测结果显示，两种框架下预测精度均随特征GRD等级下降而降低，验证了GRA特征评估的有效性。MFA中前10%波段预测精度最高（R² Rank = 0.687，RMSE = 8.32）；MFB中前10%特征亦达最优（R² = 0.691，RMSE = 6.99），且MFB整体优于MFA，可能与周口SPAD值范围覆盖新乡有关。XGBoost的预测精度总体低于RF，在MFA和MFB中前10%特征的R²分别为0.658和0.657。鉴于RF优于XGBoost，后续将RF与混合集成的成员及不同集成策略进行比较。

**混合集成的模型性能**

**集成成员模型性能**：随着特征质量下降，各集成成员精度均降低。MFA中，GLM在大多数特征区间表现最优（除0%–10%、30%–40%、80%–90%外），SVM在最优特征区间略优于GLM（R² = 0.711）；与RF相比，GLM、DNN、PLSR、GP、SVM在多数情况下具有优势，KNN表现较差。MFB中，GLM在七个特征区间最优，SVM在另三个区间最优；GLM在前七个区间优于RF，DNN表现不佳。总体而言，GLM在广范围质量特征上表现强劲。

**不同预测组合策略的比较**：六种预测组合策略性能各异。BMA在MFA和MFB中均达最高性能（R²分别为0.707和0.726），但无单一方法始终最优。统计各方法在20个案例中进入前二的次数，InvW以9次领先，NG和OLS各8次，BMA 7次。InvW在不同质量特征上表现出良好稳定性，尽管BMA在最优特征区间表现突出，但对特征质量下降更敏感。

**集成成员与混合集成的性能比较**

混合集成在采用低质量特征时表现较差。MFA中，在60%–100%多个特征区间，多种集成算法精度显著低于最优集成成员（P < 0.05）；在10%–60%区间，混合集成算法精度或劣于或仅边际优于最优成员。MFB呈现类似规律。此外，将RF和XGBoost纳入混合集成并未显著提升精度。

**不同算法运行时间比较**

各算法运行时间差异显著。KNN最快（0.04 s），PLSR和GLM分别为0.19 s和0.37 s，SVM和GP较长（0.91 s、1.36 s），XGBoost需5.39 s，RF需28.38 s，DNN达43.33 s，而混合集成的5折交叉验证最慢（381.67 s）。从精度-时间权衡角度，GLM在效率和精度间取得平衡。

讨论部分，研究人员首先分析了并行与串行集成的性能差异。RF虽具强泛化能力和高维数据处理能力，但在特征与目标变量呈强线性关系时可能不及专门算法；其运行速度较慢，尤其大规模数据处理时效率较低。XGBoost擅长复杂非线性关系和高维数据，但本研究中RF始终优于XGBoost，主要归因于RF固有的噪声耐受性——通过bagging和随机特征子集减轻对低质量波段的过拟合，而XGBoost逐次优化残差会放大噪声区域的误差，且GRA所选特征可能与XGBoost的树分裂标准不匹配。其次，混合集成学习中，OLS虽常用，但InvW和BMA受关注较少；InvW因对模型排名的敏感性而在不同特征质量下表现稳定，BMA则在最优特征区间表现显著但稳定性不足。混合集成在低质量特征区间常不及最优个体成员，因基学习器预测偏差被放大而集成机制无法有效纠正，这与集成学习理论中"负增益"现象一致。第三，GRA与GLM的结合具有独特优势：改进型GRA通过最小二乘回归预处理避免负相关特征被低估；GLM的快速建模能力（0.37 s）结合高GRD光谱波段，可在降低99%计算需求的同时获得高效SPAD预测，且该框架在公开数据集上的扩展验证表明其在干重、叶面积指数、氮含量和水分含量估算中均优于RF和XGBoost。

研究结论表明，GRD在叶绿素预测中起关键作用，高排名特征具有明显优势。RF和XGBoost等集成方法相对个体算法或混合集成并未显示明显优势。混合集成中InvW方法虽具稳健性，但很少相对于最优个体模型实现大幅精度提升。总体而言，GLM在计算效率和预测精度间取得良好平衡，推荐作为相对叶绿素含量估算的方法；其低计算成本支持在无人机等边缘设备上实时部署，支持精准农业中的规模化、及时性叶绿素监测。这些结果强调了特征质量优于模型复杂性的重要性，为推进可持续农业创新和更广泛的环境监测应用提供了实用且通用的框架。