基于高光谱和 BP 神经网络的玉米叶片 SPAD 值遥感估算

摘要：

为了进一步提高玉米叶绿素含量的高光谱估算精度，该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development，SPAD）值，分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系，构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型，并对模型进行验证；再结合主成分回归（principal component regression，PCR）、偏最小二乘回归（partial least squares regression，PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）；以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算；将构建传统回归模型时筛选到的光谱参数作为输入，实测 SPAD 值作为输出，构建 BP 神经网络模型，其建模与验模 R2分别为0.887和0.896，RMSE 为2.782，RE 为4.59%，与其他回归模型相比，BP 神经网络模型预测精度最高，研究表明 BP 神经网络对叶绿素具有较好的预测能力，是估算玉米叶片 SPAD 值的一种实时高效的方法。

关键词：光谱分析、神经网络、模型、一阶微分光谱、高光谱特征参数、叶绿素相对含量值、玉米

所属期刊栏目：32

分类号：S127(农业物理学)

资助基金：国家高技术研究发展计划863计划资助项目2013AA102401

在线出版日期：2016-08-11（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：135-142