文献类型： 中文期刊

作者： 王克晓 ¹ ; 周蕊 ¹ ; 李波 ¹ ; 欧毅 ¹ ; 黄祥 ¹ ; 虞豹 ¹ ;

作者机构： 1.重庆市农业科学院农业科技信息研究所

关键词： 高光谱;叶绿素;机器学习;油菜

期刊名称： 福建农业学报

ISSN： 1008-0384

年卷期： 2021 年 011 期

页码： 1272-1279

收录情况： 北大核心 ; CSCD

摘要： 【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S_Db与S_Dy、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。