基于最优光谱指数的大豆叶片叶绿素含量反演模型研究

摘要：

叶绿素含量的准确获取及预测可为作物种植的精准化管理提供理论依据.利用最优光谱指数建立大豆叶绿素含量反演模型,以大豆花芽分化期叶片为研究对象,获取高光谱和叶绿素含量数据.首先构建了7种与叶绿素含量相关的典型光谱指数,分别为比值指数(RI)、差值指数(DI)、归一化差值植被指数(ND-VI)、修正简单比值指数(mSR)、修正归一化差值指数(mNDI)、土壤调节植被指数(SAVI)和三角形植被指数(TVI),并对原始高光谱进行一阶微分(FD)处理,随后分别对原始和一阶微分高光谱在全光谱波长范围内两两组合所有波长,进行14个光谱指数的计算.再采用相关矩阵法进行最优光谱指数的提取,将所有波长组合计算出的光谱指数与叶绿素含量进行相关性分析,以相关系数最大值为指标,提取出14组最优的波长组合,并进行对应光谱指数值的计算作为最优光谱指数.最后将最优光谱指数划分为3组模型输入变量,分别与偏最小二乘回归(PLS)、最小二乘支持向量机回归(LSSVM)和套索算法LASSO回归3种方法组合建模并对比分析,以决定系数R2c,R2p和均方根误差RMSEC,RMSEP作为模型评价指标,最终优选出精度最高的大豆叶片绿素含量反演模型.结果表明:14组最优光谱指数波长组合分别为RI(728,727),DI(735,732),NDVI(728,727),mSR(728,727),mNDI(728,727),SAVI(728,727),TVI(1007,708),FDRI(727,708),FDDI(727,788),FDNDVI(726,705),FDmSR(726,705),FDmNDI(726,705),FDSAVI(727,788)和FDTVI(760,698),相关系数最大值rmax均大于0.8.建立最优模型的方法为输入变量为一阶微分光谱指数(组合2)与LSSVM组合的建模方法,所建模型的R2c=0.7518,R2p=0.8360,RMSEC=1.3612,RMSEP=1.2204,表明模型精度较高,可为大面积监测大豆的生长状态提供参考.

关键词：大豆、最优光谱指数、叶绿素含量、反演模型

所属期刊栏目：41

分类号：S565.1(经济作物)

资助基金：国家自然科学基金;国家自然科学基金;吉林省科技发展计划

在线出版日期：2021-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1912-1919