基于高光谱的春小麦抽穗期叶绿素含量估算方法

• 作者: 亚森江·喀哈尔 尼加提·卡斯木 尼格拉·塔什甫拉提 师庆东 张飞 茹克亚·萨吾提
• 来源期刊: 江苏农业科学
• 学科: 农学
• 关键词: 春小麦 叶绿素 抽穗期 光谱分析 高光谱 估算精度 传感器设计 精准农业
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 农业工程与信息技术
• 页码范围: 266-270
• 页数: 5页
• 分类号: S512.1+20.1|S127
• 字数: 5594字
• 语种: 中文
• DOI: 10.15889/j.issn.1002-1302.2019.18.057

摘要

对高光谱数据进行预处理是提升高光谱建模精度十分必要且有效的途径.利用高光谱技术分析春小麦作物光谱及其叶绿素含量的变化,对原始光谱反射率及对应的对数、倒数、平方根、对数倒数等4种数学变换及其一阶、二阶微分进行预处理运算,分析春小麦叶片叶绿素含量与预处理后的光谱数据相关性,基于选取的敏感波段对春小麦抽穗期叶绿素含量进行偏最小二乘回归法、BP神经网络2种方法建模并进行模型验证及比较.结果 表明:对原始光谱数据数学变换的微分预处理可以明显提高春小麦叶片叶绿素含量与光谱反射率的相关性;通过显著性检验的敏感波段数量经一阶、二阶微分预处理呈现明显增加趋势,对应数学变换的波段数量有所不同;对数变换的二阶微分处理所建立的PLSR模型为最优模型,该模型精度参数为决定系数R2e=0.93,校正均方根误差RMSEc=2.53,预测决定系数R2P=0.91,预测均方根误差RMSEp=2.41,相对分析误差RPD=3.20.说明数学变换的微分预处理过后的模型精度和稳健性有了大幅度的提升,并且运用在高光谱遥感反演春小麦抽穗期叶片叶绿素含量上是可行的.