基于光谱特征参数与主成分分析的玉米叶片叶绿素含量BP反演

• 作者: 刘二雄 卓伟 夏天 杨可明 汪国平
• 来源期刊: 江苏农业科学
• 学科: 农学
• 关键词: 光谱特征参数 主成分分析 玉米叶片 BP神经网络 叶绿素含量 BP反演模型
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 遗传育种与耕作栽培
• 页码范围: 147-150
• 页数: 4页
• 分类号: TP75|S127
• 字数: 4777字
• 语种: 中文
• DOI: 10.15889/j.issn.1002-1302.2016.07.040

摘要

利用美国SVC HR－1024I型地物光谱仪对盆栽玉米叶片进行光谱测定，同时用SPAD－502叶绿素仪测定叶片的叶绿素含量。基于实测光谱的微分处理结果，获取光谱位置、光谱面积、植被指数3个方面的11个光谱特征参数（spectral characteristic parameters，SCP），分析这1 1个SCPs与叶绿素含量的相关性，并对这些参数进行主成分分析（principal component analysis，PCA）；然后，利用这1 1个SCPs及其PCA结果建立误差反向传播（error back propagation， BP）神经网络输入因子，并构建了玉米叶片叶绿素含量BP反演模型（简称SCP－PCA－BP模型）。另外，选取与叶绿素含量相关性较高的8个SCP，建立常规的线性回归模型并预测叶绿素含量。反演结果表明：SCP－PCA－BP反演的预测值与实测值之间的决定系数（r2）达到0．9687，均方根误差（RMSE）为0．8939；而用线性回归模型反演时，只有基于SCP中微分光谱蓝边面积、面积比值、归一化面积参数的预测效果较好，其中归一化面积的预测效果最好，预测值与实测值之间r2为0．7040，RMSE为2．895。因此可知，与常规的线性回归模型相比，SCP－PCA－BP反演模型在预测玉米叶片叶绿素方面具有更好的预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨可明	中国矿业大学北京地球科学与测绘工程学院	35	222	9.0	14.0
2	夏天	中国矿业大学北京地球科学与测绘工程学院	12	39	5.0	5.0
3	卓伟	中国矿业大学北京地球科学与测绘工程学院	3	15	3.0	3.0
4	刘二雄	中国矿业大学北京地球科学与测绘工程学院	4	11	3.0	3.0
5	汪国平	中国矿业大学北京地球科学与测绘工程学院	7	35	4.0	5.0