基于光谱特征参数与主成分分析的玉米叶片叶绿素含量BP反演

摘要：

利用美国SVC HR－1024I型地物光谱仪对盆栽玉米叶片进行光谱测定，同时用SPAD－502叶绿素仪测定叶片的叶绿素含量。基于实测光谱的微分处理结果，获取光谱位置、光谱面积、植被指数3个方面的11个光谱特征参数（spectral characteristic parameters，SCP），分析这1 1个SCPs与叶绿素含量的相关性，并对这些参数进行主成分分析（principal component analysis，PCA）；然后，利用这1 1个SCPs及其PCA结果建立误差反向传播（error back propagation， BP）神经网络输入因子，并构建了玉米叶片叶绿素含量BP反演模型（简称SCP－PCA－BP模型）。另外，选取与叶绿素含量相关性较高的8个SCP，建立常规的线性回归模型并预测叶绿素含量。反演结果表明：SCP－PCA－BP反演的预测值与实测值之间的决定系数（r2）达到0．9687，均方根误差（RMSE）为0．8939；而用线性回归模型反演时，只有基于SCP中微分光谱蓝边面积、面积比值、归一化面积参数的预测效果较好，其中归一化面积的预测效果最好，预测值与实测值之间r2为0．7040，RMSE为2．895。因此可知，与常规的线性回归模型相比，SCP－PCA－BP反演模型在预测玉米叶片叶绿素方面具有更好的预测效果。

关键词：光谱特征参数、主成分分析、玉米叶片、BP神经网络、叶绿素含量、BP反演模型

所属期刊栏目：44

分类号：TP75;S127(遥感技术)

资助基金：国家自然科学基金编号41271436；中央高校基本科研业务费专项资金编号2009QD02。

在线出版日期：2016-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：147-150