基于神经网络的叶绿素含量精细测量建模方法研究

摘要：

活体植物叶片叶绿素含量 SPAD 值易受叶片厚度、水分等影响，提出了基于多参数神经网络建模的叶绿素含量精细反演方法。通过测量叶片在中心波长分别为650，940和1450 nm 光照射下的透过率，获得叶片的 SPAD 值和水分指数 WI（water index），同时用数字螺旋测微仪测量相应的叶片厚度并用分光光度法测得其叶绿素含量。利用建模集样本分别建立 SPAD 值与实测叶绿素含量之间的单参数模型和基于 BP 神经网络的 WI、厚度及 SPAD 值与实测叶绿素含量之间的非线性模型。利用这两种模型分别计算获得验证集样本的叶绿素含量预测值，对预测值和实测值进行了相关分析和相对误差的分析。实验以340个三种不同植物叶片为样本，用以上方法进行了分析。结果表明，利用 BP 神经网络建模后，每种植物样本的叶绿素含量预测精度都有不同程度的提高，尤其对于叶片厚度值较大的样本，效果更为明显。数据显示所有混合样本平均相对误差绝对值由单参数模型的7．55％降低到5．22％，实测值与预测值的拟合决定系数由0．83提高到0．93。验证了利用多参数 BP 神经网络模型可以有效地提高活体植物叶绿素含量预测精度的可行性。

关键词：叶绿素含量、BP 神经网络模型、SPAD、WI

分类号：S123(农业物理学)

资助基金：国家自然科学基金项目61275185，61168004;国家自然科学基金应急管理项目61450007;北方民族大学基金项目2014XBZ07

在线出版日期：2015-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2629-2633