水稻叶片SPAD值的高光谱估算模型

发布时间：2023-02-19 14:26

　　【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(...

【文章页数】：8 页

【文章目录】：
0 引言
1 数据样本与处理
    1.1 水稻样本试验
    1.2 数据获取与分析
        1.2.1 叶片SPAD值测量
        1.2.2 叶片高光谱数据测量
        1.2.3 一阶微分变换
        1.2.4 高光谱特征选择
    1.3 SVR参数选择
    1.4 统计分析
2 结果与分析
    2.1 植被指数与叶片SPAD值间的关系
    2.2 光谱位置参数与叶片SPAD值间的关系
        2.2.1 原始光谱
        2.2.2 一阶微分光谱
    2.3 水稻叶片SPAD值的估算模型
        2.3.1 SVR模型
        2.3.2 SMLR模型
        2.3.3 SMLR+SVR模型
        2.3.4 PCA+SVR模型
        2.3.5模型评价指标与模型结果比较
3 讨论
4 建议
    4.1 优化光谱特征参数选择
    4.2 采集水稻冠层高光谱图像



本文编号：3746391