首页|基于高光谱的油菜叶片SPAD值估测模型比较

基于高光谱的油菜叶片SPAD值估测模型比较

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]比较基于高光谱参数的油菜叶片SPAD值估算模型效果.[方法]在分析光谱反射特征和光谱参数与SPAD值相关性的基础上,利用光谱特征参数优选并构建了偏最小二乘回归(PLSR)、传统反向传播神经网络(BPNN)、支持向量回归(SVR)和深度学习神经网络(DNN)等模型对叶片样本叶绿素SPAD值进行估测.[结果]①叶片原始光谱与叶片SPAD值在425～495 nm的蓝波、665～680 nm的红波区域呈现微弱正相关,与红边波段均呈现负相关,并在510～650 nm的绿、黄波段和690～735 nm的红边波段显著负相关;②与叶片SPAD值显著线性相关的SDb与SDy、CARI与MCARI、CI与NDVI705等三组光谱特征的组内参数具有一定的可替代性,而且有助于提高SPAD模型预测精度;③基于高光谱参数的深度学习DNN模型决定系数R2为0.93,RPD为3.92,具有较高的预测能力,SVR模型次之,PLSR和BPNN模型效果一般.[结论]油菜叶片光谱参数之间存在不同程度的相关性,基于机器学习的非线性估计模型具有较高的稳定性和预测能力,深度学习算法在油菜叶片叶绿素SPAD值估测方面具有更好的估测能力.
Comparison of Estimation Models for Hyperspectral-based Rape Leaf SPAD

王克晓、周蕊、李波、欧毅、黄祥、虞豹

展开 >

重庆市农业科学院农业科技信息研究所,重庆 401329

高光谱 叶绿素 机器学习 油菜

重庆市技术创新与应用发展专项重庆市技术创新与应用发展专项重庆市农科院农业发展资金项目重庆市农科院农业发展资金项目

Cstc2019jscx-msxmX0355cstc2020jscx-lyjsAX0012NKY-2020AB009NKY-2021AC012

2021

10.19303/j.issn.1008-0384.2021.11.003

福建农业学报
福建省农业科学院

福建农业学报

CSTPCDCSCD北大核心
影响因子：0.656
ISSN：1008-0384
年,卷(期)：2021.36(11)
  • 5
  • 18