摘要:为了高效和无损地估算棉花叶片的叶绿素含量, 本研究测定了棉花光谱反射率及叶绿素含量(soil and plant analyzer development, SPAD)值, 对光谱数据进行包络线去除处理、立方根转换和倒数转换, 以SPAD值与反射光谱之间的相关性为基础, 通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段, 构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression, PLSR)两个模型。结果表明, 在605~690 nm范围内的反射率与SPAD 值相关性达0.01显著水平, 均呈负相关, 相关系数最高值为-0.619。与原始光谱相比, 经过变换后的棉花反射率与SPAD值相关性结果相差较大, 其中去除包络线光谱在550~750 nm波段范围有效提高了相关性, 相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段, 进而提高模型估算精度。在两种模型中, 基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R^2分别为0.92、0.83, 说明这两种模型的估算能力较好; 两种模型RMSE分别为0.88、1.26, RE 分别为1.30%、1.89%, 表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社