渍害胁迫下小麦SPAD的高光谱监测方法研究

发布时间：2021-08-04 00:47

　　【目的】快速、准确地获得渍害胁迫下小麦SPAD状况。【方法】基于田间试验,分析了渍害胁迫8 d对8个小麦品种SPAD的影响及其与17个高光谱特征参数的相关关系,并建立小麦SPAD值的灾损估算模型。【结果】与正常小麦相比,受渍8 d时的SPAD值差异并不明显;而停止渍水7 d后,受渍小麦SPAD值较正常小麦显著降低;小麦SPAD值与17个高光谱特征参数中AR指数的相关性最高（r=-0.84）,且其减少量随受渍时间的变化与品种的耐渍能力基本吻合;与基于高光谱特征参数的小麦SPAD灾损估算模型相比,基于偏最小二乘回归方法建立的模型估算精度较高,模型决定系数R²达到0.984。【结论】AR指数的减少量可以用来反映不同品种小麦受渍情况,且基于PLSR建模方法可以有效进行渍害胁迫下小麦SPAD的灾损估算。 

【文章来源】：灌溉排水学报. 2020,39(12)北大核心CSCD

【文章页数】：8 页

【部分图文】：

试验期间土壤体积含水率

基于高光谱反射率建立小麦SPAD值及其减少量的PLSR估算模型如图4所示。由图4(a）可见，利用PLSR方法建立的小麦冠层SPAD值估算模型中引进的因子数为17个，模型决定系数R2和RMSE分别达到0.980和0.589(n=48）。基于式（1）分别计算各小区冠层光谱反射率的减少量，基于建模集数据（n=12）建立SPAD值减少量的PLSR估算模型，模型中引进的因子数为10个，并利用验证集数据（n=12）对模型进行独立验证。由图4(b）和图4(c）可知，基于高光谱反射率构建的小麦SPAD值减少量建模集R2和验证集Rv2分别达到0.984和0.917，二者的均方根误差RMSE和RMSEv分别为0.358和0.639，其精度明显高于基于单个高光谱特征参数的估算结果。图4 基于PLSR的小麦SPAD值及其灾损估算结果

基于PLSR的小麦SPAD值及其灾损估算结果


本文编号：3320651