基于BP神经网络的橡胶苗叶片磷含量高光谱预测

摘要：

为验证高光谱技术在橡胶苗叶片磷素营养诊断方面的可行性，该文以砂培橡胶苗为研究对象，利用高光谱仪测得不同磷处理水平下橡胶苗叶片光谱反射率，并应用微分技术求取去噪后光谱反射率一阶和二阶导数，以叶片磷含量和光谱变量相关性分析为基础，选择出叶片磷含量敏感波段，最后以敏感波段为输入变量，结合多重线性回归、偏最小二乘回归和反向传播神经网络模型对叶片磷含量进行预测。结果表明：原始光谱反射率555和722 nm、一阶导数674、710、855、1091、1197、1275、1718、2181和2228 nm以及二阶导数816、890、1339、1357和2201 nm为叶片磷含量敏感波段；反向传播神经网络模型预测精度最高，训练集和验证集中预测值和实测值之间的相关系数r分别为0.964和0.967，均方根误差RMSE分别为0.0139和0.00856，模型性能指数（ratio of performance to deviation，RPD）分别为3.71和3.23，证明高光谱技术可以快速、准确诊断橡胶苗叶片磷含量。

关键词：神经网络、光谱分析、模型、偏最小二乘回归、微分技术、营养诊断

分类号：S24;S127(农业电气化与自动化)

资助基金：国家天然橡胶产业技术体系CARS-34；海南省自然科学基金314142

在线出版日期：2016-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：177-183