10.11975/j.issn.1002-6819.2016.z1.025
基于BP神经网络的橡胶苗叶片磷含量高光谱预测
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。
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
S24;S127(农业电气化与自动化)
国家天然橡胶产业技术体系CARS-34;海南省自然科学基金314142
2016-04-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
177-183