可见/近红外光谱技术识别树叶树种的研究

• 作者: 尹世逵 李春旭 李耀翔 汪紫阳
• 来源期刊: 西北林学院学报
• 关键词: 可见/近红外光谱 树种识别 树叶 偏最小二乘法
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 木材科学
• 页码范围: 229-236,260
• 页数: 9页
• 分类号: S781.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7461.2019.01.35

摘要

探索使用可见/近红外光谱技术识别树叶树种的可行性,为野外可见/近红外光谱技术用于树种识别提供方法.本试验识别了9个树种,测试了光谱预处理方法、识别方法对可见/近红外光谱识别的准确率的影响.对9种阔叶树种共46棵树,分别采用距离法和PLS-DA建立识别模型,比较不同波段和导数预处理方法对模型预测效果的影响.结果 表明,使用距离法对原始光谱进行识别时,识别准确率＜50％,不能够有效识别树叶树种.使用距离法对预处理后的光谱进行识别时,识别准确率为近红外350～2 500 nm(99.16％)＞350～1 000 nm(88.05％)＞1 000～2 500 nm(81.24％),且任意单个树种的识别准确率都＞98％,能够有效识别树叶树种.使用偏最小二乘法(PLS-DA)结合单列识别变量矩阵时,识别准确率高达100％,识别模型的相关系数为0.993 6,RMSEC为0.120,RMSEP为0.144,但只能成功识别4种树叶树种,当树叶种数＞4时,预测模型的识别准确率陡降.使用偏最小二乘法(PLS-DA)结合多列识别变量矩阵对9种树叶的识别准确率高达99.58％,识别模型的相关系数为0.888 6～0.956 9,RMSEC为0.084 5～0.15,RMSEP为0.088 7～0.155.本试验为可见/近红外光谱技术快速识别树种提供了一种新的方法和思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李耀翔		52	397	11.0	18.0
2	汪紫阳		6	7	2.0	2.0
3	尹世逵		5	8	2.0	2.0
4	李春旭		4	3	1.0	1.0