烤烟叶片氯密度高光谱预测模型的建立

• 作者: 任天宝 刘云飞 刘国顺 刘文 刘新源 李梦匣 杨艳东 贾方方
• 来源期刊: 河南农业科学
• 学科: 农学
• 关键词: 烤烟 氯密度 高光谱 植被指数 预测模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 农产品加工与质量安全· 农业工程· 农业信息技术
• 页码范围: 155-160
• 页数: 6页
• 分类号: S572|O433.1
• 字数: 3152字
• 语种: 中文
• DOI: 10.15933/j.cnki.1004-3268.2019.05.023

摘要

连续2 a设置烤烟3个品种处理和3个地点处理,提取10个植被指数[修正三角形植被指数(Modified triangular vegetation index,MTVI)、归一化植被指数1(Normalized difference vegetation in-dex 1,NDVI1)、归一化植被指数2(Normalized difference vegetation index 2,NDVI2)、新型植被指数(New vegetation index,NVI)、比值植被指数1(Ratio vegetation index 1,RVI1)、比值植被指数2(Ratio vegetation index 2,RVI2)、比值植被指数3(Ratio vegetation index 3,RVI3)、水分指数(Water index,WI)、归一化色素叶绿素植被指数(Normalized chlorophyll pigment vegetation index,NCPI)、简单比值水分指数(Simple ratio water index,SRWI)],用一元线性回归模型、多元线性回归模型、BP神经网络模型分别对烤烟叶片氯密度进行估算,比较其对烤烟叶片氯密度的预测效果.结果表明,NDVI2、NVI、RVI2、RVI3、NCPI、SRWI 6个植被指数与烤烟叶片氯密度均极显著相关,相关系数均>0.680.一元线性回归模型、多元线性回归模型、BP神经网络模型的决定系数分别为0.617、0.617、0.868,其均方根误差分别为1.573、1.577、0.828.BP神经网络的预测效果比一元线性回归模型、多元线性回归模型预测效果好.