东北水稻叶片SPAD遥感光谱估算模型

发布时间：2022-11-02 20:47

　　为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI（D755,D930）为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。 

【文章页数】：10 页

【文章目录】：
1 材料与方法
    1.1 试验设计
    1.2 数据采集与处理
    1.3 特征参数选择
    1.4 模型构建与精度验证
2 结果与分析
    2.1 叶片反射光谱特征分析
    2.2 相关性分析
        2.2.1 反射率各波段相关性分析
        2.2.2 红边参数与植被指数相关性分析
3 SPAD高光谱预测模型
    3.1 基于一阶微分单一波段的SPAD估算模型
    3.2 基于植被指数的SPAD估算模型
    3.3 水稻叶片SPAD神经网络模型
4 讨 论
5 结 论


【参考文献】：
期刊论文
[1]基于数码相机的玉米冠层SPAD遥感估算[J]. 贺英,邓磊,毛智慧,孙杰.  中国农业科学. 2018(15)
[2]基于随机森林算法的冬小麦叶面积指数遥感反演研究[J]. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍.  中国农业科学. 2018(05)
[3]基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J]. 李媛媛,常庆瑞,刘秀英,严林,罗丹,王烁.  农业工程学报. 2016(16)
[4]基于时间序列高光谱遥感影像的田块尺度作物产量预测[J]. 刘焕军,康苒,Susan Ustin,张新乐,付强,盛磊,孙天一.  光谱学与光谱分析. 2016(08)
[5]基于红边参数的冬小麦SPAD高光谱遥感监测[J]. 姚付启,蔡焕杰,李亚龙,罗文兵.  中国农村水利水电. 2015(03)
[6]农业遥感研究与应用进展[J]. 赵春江.  农业机械学报. 2014(12)
[7]整个生育期玉米叶片SPAD高光谱预测模型研究[J]. 陈志强,王磊,白由路,杨俐苹,卢艳丽,王贺,王志勇.  光谱学与光谱分析. 2013(10)
[8]冬小麦叶面积指数高光谱遥感反演方法对比[J]. 夏天,吴文斌,周清波,周勇.  农业工程学报. 2013(03)
[9]基于导数光谱的小麦冠层叶片含水量反演[J]. 梁亮,张连蓬,林卉,李春梅,杨敏华.  中国农业科学. 2013(01)
[10]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧.  电子设计工程. 2011(24)



本文编号：3700241