文献类型： 中文期刊

作者： 裴浩杰 ¹ ; 冯海宽 ¹ ; 李长春 ¹ ; 李振海 ¹ ; 杨贵军 ¹ ; 王衍安 ¹ ; 郭建华 ¹ ;

作者机构： 1.河南理工大学测绘与国土信息工程学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心;山东农业大学生命科学学院

关键词： 苹果叶片;高光谱;叶绿素;MLR;RF

期刊名称： 江苏农业科学

ISSN： 1002-1302

年卷期： 2018 年 17 期

页码： 224-230

收录情况： 北大核心

摘要： 叶绿素含量是果树营养胁迫和光合作用等生理状态的良好指示剂。为快速准确地估测苹果叶片叶绿素含量,利用采集的苹果叶片光谱和叶片叶绿素含量数据,通过分析原始光谱与叶绿素含量的相关性,筛选出554、708、995 nm 3个最佳敏感波段,构建基于原始光谱敏感波段的多元线性回归(multivariable linear regression,简称MLR)模型和随机森林(random forest,简称RF)模型,用于叶绿素含量估测;使用相关系数绝对值(absolute value of correlation coefficient,简称|r|)和RF的袋外数据(out of bag,简称OOB)重要性分别对植被指数与叶片叶绿素含量的关联性进行分析,筛选植被指数,然后使用MLR和RF算法构建模型,依次增加植被指数的输入数,筛选出10个植被指数的MLR最优模型和5个植被指数的RF最优模型;比较上述4个模型的估测精度。基于原始光谱的MLR模型和RF模型以及基于植被指数的MLR最优模型和RF最优模型建模的R2分别为0.578、0.527,0.602、0.609,RMSE分别为8.240、8.728,8.004、7.930μg/cm~2,4个模型建模精度相近。在模型验证方面,4个模型的R2分别为0.899、0.411、0.854、0.843,RMSE分别为8.297、14.455、11.242、11.034μg/cm~2。基于原始光谱的MLR模型的叶绿素含量估测精度高于其他3个模型,能够精确地估测苹果叶片叶绿素含量。另外,基于植被指数的MLR模型和RF模型对苹果叶片叶绿素含量估测也具有一定的应用潜力。