优化光谱指数建立水稻叶片SPAD的高光谱反演模型

• 作者: 于跃 于海业 李晓凯 王洪健 刘爽 张蕾 隋媛媛
• 来源期刊: 光谱学与光谱分析
• 学科: 物理学
• 关键词: 水稻 SPAD 优化光谱指数 高光谱 BP神经网络
• 年，卷（期）: 2022,（4）
• 页码范围: 1092-1097
• 页数: 6页
• 分类号: O433.4
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2022)04-1092-06

摘要

利用高光谱反射率光谱的特征波段构建光谱指数,建立叶绿素含量反演模型是实现水稻生产精准调控和科学管理的必要手段之一.为了建立适用于拔节孕穗期水稻叶片叶绿素相对含量(SPAD)的高光谱反演模型,分别获取了拔节孕穗期水稻叶片的高光谱和SPAD数据,利用小波分析法对原始光谱反射率曲线进行降噪处理,并对基于积分运算的光谱指数NAOC进行简化,获得了基于双波段简化运算的优化光谱指数.利用相关分析法计算由原始反射率光谱R和数学变换光谱Lg R、1/R和R构建的优化光谱和变换光谱指数与水稻叶片SPAD的相关系数,获得了以积分限(a,b)为横、纵坐标的相关系数二维矩阵,并绘制相关性等势图,得到相关系数最高的3个波段组合:R(641,790)(0.8726),R(653,767)(0.8717)和R(644,774)(0.8716),计算出20个原始样本中3个积分波段组合所对应的60个优化光谱指数值,按照2:1的比例划分为建模集和验证集,建立了三种水稻叶片SPAD反演模型:偏最小二乘回归(PLSR)、支持向量机(SVM)和BP神经网络模型.结果显示:利用优化光谱和变换光谱指数建立的3种水稻叶片SPAD反演模型决定系数R2均大于0.79,归一化均方根误差NRMSE则小于5.4％.其中BP神经网络相对于其他两种模型具有较高的拟合度,预测精度也相对较高,建模集R2=0.8426,NRMSE=5.1527％;验证集R2=0.857,N RM S E=4.8299％.总体来看,基于双波段简化运算后的优化光谱和变换光谱指数建立拔节孕穗期水稻叶片SPAD反演模型是可行的;对比分析3种模型反演结果发现,BP神经网络对水稻叶片SPAD的反演效果较好.该工作对提高拔节孕穗期水稻精准调控技术和建立水稻生产的科学管理体系具有一定的参考价值.