基于GA-BP神经网络高光谱反演模型分析 玉米叶片叶绿素含量

• 作者: 于丰华 冯帅 周长献 曹英丽 金彦 陈春玲
• 来源期刊: 沈阳农业大学学报
• 学科: 农学
• 关键词: 玉米 叶绿素含量 一阶微分光谱 高光谱特征参数 遗传算法 BP神经网络
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究简报
• 页码范围: 626-632
• 页数: 7页
• 分类号: S513
• 字数: 3885字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1700.2018.05.016

摘要

叶绿素是评价玉米健康状况的重要生理生化参数,而快速、准确检测玉米叶片叶绿素含量,是实现玉米长势及健康状况精准诊断的关键.为提高玉米叶片叶绿素含量的高光谱反演精度,以玉米试验小区为基础,测定了东北地区玉米不同生长期的叶片光谱反射率及其对应的叶绿素含量.首先采用一阶微分方法提取光谱特征,构建9种高光谱特征参数(Db、Dy、Dr、λb、λy、λr、SDb、SDy和SDr),并分析一阶微分光谱、高光谱特征参数与叶绿素含量间的相关关系,优选出与叶绿素含量相关性较高的3种特征参数作为自变量,分别为535nm处的一阶微分值、蓝边内最大一阶微分值Db、蓝边面积SDb,叶绿素含量实测值作为因变量,随后采用遗传算法对BP神经网络进行优化,建立BP神经网络(BPNN)和遗传算法优化的BP神经网络(GA-BPNN)反演模型,并对模型进行验证;再结合主成分回归(PCR)和偏最小二乘回归(PLSR)模型进行比较.结果表明:叶绿素含量与一阶微分光谱在535nm处具有最大相关系数(R=-0.738),并且与特征参数Db、SDb呈显著相关,相关系数R分别为-0.732和-0.728;遗传算法可以有效地对BPNN初始权值随机化、易陷入局部极值等不足实现优化,并为其定位出理想的搜索空间;GA-BPNN模型的建模集与验证集R2分别为0.878和0.898,RMSE为0.731,与其他反演模型相比,GA-BPNN模型的稳定性和预测能力均表现最好,可为定量预测玉米叶片叶绿素含量提供一定的理论和技术依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周长献		1	5	1.0	1.0