水稻叶片SPAD值的高光谱估算模型

• 作者: 孙爱珍 孙玉婷 易文龙 杨红云 梅芳
• 来源期刊: 南方农业学报
• 关键词: 水稻 SPAD值 高光谱 多元逐步线性回归 支持向量机回归
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 专题:稻
• 页码范围: 1062-1069
• 页数: 8页
• 分类号: S511.01|S126
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1191.2020.05.010

摘要

[目的]构建水稻叶片SPAD值的高光谱精确估算模型,为进一步提高高光谱对水稻SPAD值反演估算精度提供参考依据.[方法]利用SPAD-502型叶绿素测定仪测量水稻叶片SPAD值,以FieldSpec 4光谱仪采集水稻叶片光谱数据.通过分析光谱植被指数、位置参数与SPAD值的相关性,构建4个水稻叶片SPAD值高光谱估测模型,即逐步多元线性回归(SMLR)模型、支持向量机回归(SVR)模型、基于主成分分析的支持向量机回归(PCA+SVR)模型和以逐步多元线性回归确定最佳参数的支持向量机回归(SMLR+SVR)模型;并采用均方根误差(RMSE)、平方相关系数(R2)、相对分析误差(RPD)和平均相对误差(MRE)等指标对模型进行评价.[结果]在分析的15个光谱特征参数中,除黄边位置(λy)无显著相关外(P>0.01),水稻叶片SPAD值与叶片光谱位置参数及植被指数参数间存在显著相关性,选择相关系数大于0.800的5个植被指数参数(VOG1、VOG2、VOG3、CARI和PRI)和7个光谱位置参数[蓝边面积(SDb)、黄边振幅(Dy)、黄边面积(SDy)、绿峰反射率(Rg)、红谷净深度(Hr)、蓝边振幅(Db)和红边位置(λh)]作为输入变量构建水稻叶片SPAD值的估测模型.R2和RPD值越大,RMSE和MRE值越小,则表明模型的性能越好,估算精度高.比较4个模型训练与测试结果的R2、RMSE、MRE和RPD可知,在模型估算精度上,SMLR+SVR模型高于SMLR模型,PCA+SVR模型高于SVR模型.总体上,SMLR+SVR模型能更好地实现对水稻叶片SPAD值的预测,其模型各项评价指标R2、RMSE、MRE和RPD分别为0.856、2.076、3.984％和2.550.[建议]进一步挖掘分析光谱特征参数与水稻叶片SPAD值间的关系,提出新的光谱特征参数或优化特征参数选择组合方法,增加回归建模算法,提高高光谱对水稻叶片SPAD值的有效估算.采集水稻冠层高光谱图像,反演出高光谱图像中的水稻冠层SPAD值,研究冠层SPAD与水稻长势关系,为水稻科学管理提供技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梅芳	江西农业大学计算机与信息工程学院	9	7	2.0	2.0
2	杨红云	江西农业大学软件学院	35	172	9.0	11.0
3	易文龙	江西农业大学软件学院	11	15	2.0	3.0
4	孙爱珍	江西农业大学计算机与信息工程学院	21	85	6.0	8.0
5	孙玉婷	江西农业大学计算机与信息工程学院	6	13	3.0	3.0