基于IRIV算法优选大豆叶片高光谱特征波长变量估测SPAD值

• 作者: 于雷 周勇 夏天 朱亚星 章涛 聂艳
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 光谱分析 作物 叶绿素 高光谱 特征波长变量 迭代和保留信息变量法 大豆 SPAD
• 年，卷（期）: 2018,（16）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 148-154
• 页数: 7页
• 分类号: TP391
• 字数: 7123字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.16.019

摘要

在植物叶绿素特征波长变量筛选过程中,与叶绿素关系较弱的波长变量极易被忽略,导致这些弱信息变量包含叶绿素的有效信息丢失,因此,确定叶片光谱中弱信息变量对揭示叶绿素高光谱响应规律具有重要意义.该研究以江汉平原大豆鼓粒期的叶片为研究对象,采集80组大豆叶片高光谱和SPAD(soil and plant analyzer development)值,分析SPAD值与大豆叶片反射率相关关系和光谱波长变量自相关关系,基于迭代和保留信息变量法(iteratively retains informative variables,IRIV)筛选大豆叶片的特征波长变量,建立偏最小二乘回归(partial least squares regression,PLSR)和支持向量机(support vector machine,SVM)模型估测SPAD值.结果表明,大豆叶片SPAD值与光谱反射率在可见光波段具有极显著负相关,在近红外波段存在不显著的正相关性(P>0.01);可见光、近红外2波段的波长变量之间相关性较弱,但2波段内变量之间的相关性较强;基于IRIV算法确定了大豆叶绿素的特征波长变量,利用特征波长变量建立的估测模型的估测能力高于仅利用强信息波长变量建立的估测模型,表明弱信息变量对估测叶片SPAD值具有重要意义;IRIV-SVM模型估测能力最优,验证集R2和相对分析误差(RPD)分别为0.73、1.82.该文尝试证明了光谱中弱信息变量的重要性,为揭示叶片高光谱响应机理提供了理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周勇	华中师范大学地理过程分析与模拟湖北省重点实验室	112	1798	24.0	37.0
2	聂艳	华中师范大学可持续发展研究中心	63	700	13.0	24.0
3	夏天	华中师范大学城市与环境科学学院	13	333	7.0	13.0
4	于雷	华中师范大学地理过程分析与模拟湖北省重点实验室	20	386	9.0	19.0
5	章涛	华中师范大学城市与环境科学学院	2	11	2.0	2.0
6	朱亚星	华中师范大学可持续发展研究中心	2	6	1.0	2.0