基于波段深度分析和BP神经网络的水稻色素含量高光谱估算

• 作者: 周四维 明金 杨孟克 汪善勤 郑雯
• 来源期刊: 中国生态农业学报(中英文)
• 关键词: 高光谱 水稻 色素 植被指数 波段深度分析 主成分分析 反向传播神经网络
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 农业资源与环境
• 页码范围: 1224-1235
• 页数: 12页
• 分类号: S127
• 语种: 中文
• DOI: 10.13930/j.cnki.cjea.170112

摘要

该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型.各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度.基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性.结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强.BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R2=0.61,RMSEP=0.128 mg.g-1),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R2=0.73,RMSEP=0.343 mg.g-1).对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪善勤	华中农业大学资源与环境学院	37	744	13.0	27.0
3	郑雯	华中农业大学资源与环境学院	2	19	2.0	2.0
4	明金	华中农业大学资源与环境学院	2	8	1.0	2.0
5	杨孟克	华中农业大学资源与环境学院	1	7	1.0	1.0
6	周四维	华中农业大学资源与环境学院	1	7	1.0	1.0